[0114] ▲vV*/ _
▲vV/ 一J
[0115] 其中，常量1\= 0.85是为了避免上述公式出现分母为零的情况。
[0116] 所述得到图像的梯度相似性的具体步骤如下：
[0117] Step2. 1、对输入的一幅原始图像x和一幅失真图像y分别进行sobel处理，得到 原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y' ；
[0118] Step2. 2、利用原始图像x和失真图像y求取原始图像的均值yjP失真图像的均 值yy;利用Step2. 1得到的原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y'， 分别求取梯度幅值图像x'的标准差，、梯度幅值图像y'的标准差〇 y，以及梯度幅值图 像X'和梯度幅值图像y'的协方差〇x，y，；
[0119] Step2. 3、利用Step2. 2得到的原始图像的均值y x、失真图像的均值y ￥通过公式 (7)得到图像的亮度比较函数l(x，y);利用St印2.2得到的梯度幅值图像X'的标准差 〇x，、 梯度幅值图像y'的标准差〇y，以及梯度幅值图像x'和梯度幅值图像y'的协方差〇 x，y，通 过公式⑶和公式（9)得到对比度比较函数GR(x，y)和相关系数比较函数S g(x，y);
[0120]
[0121]
[0122]
[0123] 其中，常量Q、CjPC3是为了避免上述各式出现分母为零的情况，设置C 1 = 6. 5025、C2= 58. 5225,由于C 3在计算的过程中会被约掉，故在此不做设置。
[0124]Step2. 4、将Step2. 3得到的亮度比较函数1 (X，y)、对比度比较函数Gg(x, y)和相 关系数比较函数\(1，7)根据公式（10)的形式结合即可得到原始图像x和失真图像y的 梯度特征相似性GSSIM(x，y);
[0125] GSSIM(x，y) = 1 (X，y) ? Cg(x，y) ? Sg(x，y) (10)。
[0126] 将特征相似性和梯度相似性相结合的具体步骤如下：
[0127] Step3.1、利用Stepl. 3中得到的原始图像的相位一致性PC(x)、失真图像的相位 一致性PC(y)通过公式（11)获得对图像x、y整体的相似性进行加权的权数PCjiy);
[0128] PCn(x,y) =max(PC(x),PC(y)) (11)
[0129] St印3. 2、将St印1. 4中所得的图像的特征相似性SPC(x，y)，St印2. 4中所得的图像 的梯度特征相似性GSSIM(x, y)以及Step3. 1中所得的对图像x、y整体的相似性进行加权 的权数PC"(x,v)通过公式（12)得到图像质量评估得分：
[0130]
[0131] 其中 Q = 255。
[0132] 所得到的六幅运动模糊失真图像的评估结果如表1所示。
[0133] 表1本发明方法对不同运动模糊程度下一组失真图像的质量评价值
[0134]
[0135] 将该方法得到的六幅运动模糊失真图像的评估结果与运用GSS頂方法和FS頂方 法对同样的六幅运动模糊失真图像的评估结果进行比较所得到的曲线图如图9所示，以验 证本发明方法的性能。从图中可以看出：当运动模糊的运动距离由小到大（即图像越来越 模糊）时，三种方法的质量评估值都表现出减小的趋势，但数值变化的程度存在明显的差 异，GSS頂方法的数值由0. 5798下降到0. 1305, FS頂方法数值由0. 9496下降到0. 8815， 本发明方法由0. 9111下降到0. 3621，由此可以看出，本发明方法数值变化更加明显，对运 动模糊表现出更好的敏感性，说明本文方法对运动模糊失真的自然图像的质量评估更加优 越。
[0136] 实施例4 :如图2、10_17所示，
[0137] 打开测试用例，如图2、10-15所示；将打开的7个测试用例分为6组：图2和图10、 图2和图11、图2和图12、图2和图13、图2和图14、图2和图15。依次对6个测试用例组 做以下操作：首先在Matlab中输入一幅原始图像和一幅失真图像，分别获取两幅图像的相 位一致性，然后利用两幅图像的相位一致性得到图像的特征相似性；再分别获取两幅图像 的梯度图像，利用梯度图像得到两幅图像的亮度比较函数、对比度比较函数和相关系数比 较函数，然后将亮度比较函数、对比度比较函数和相关系数比较函数相结合得到图像的梯 度相似性；最后将图像的特征相似性和图像的梯度相似性相结合即得到失真图像质量评估 的结果。
[0138] 所述得到图像的特征相似性的具体步骤如下：
[0139] Stepl. 1、在Matlab中输入一幅原始图像x和一幅失真图像y ;
[0140] St印1. 2、通过运用高斯函数作为转换函数G2〇, 9 J :
[0141]
[0142] 其中，9 j Jr /J表示滤波器的方向角，j = {0, 1，……，J-l}，J是方向角的数 量；〇 e表示滤波器的角度带宽，是滤波器的中心频率，〇 ^用于控制滤波器的带宽，《 表示信号的频率，0表示信号的相位角；参数设置如下所示：《。= 〇. 55, 0 6, 〇 2， 〇 9 = 1. 2, J = 4〇
[0143] Stepl. 3、通过调制〇。和0」，G2 (〇，0」）和原始图像X，可得到一组响应 ⑴;其中，AA⑷和％巧⑶分别表示偶数响应和奇数响应；
[0144] 尺度为4,方向角为叫=6的局部振幅为：
[0145]
[0146]沿差方向9」的局部能量为：
[0147]
[0148] 其中，
> 别表示W的总和及 %(.Y)的总和；
[0149] 原始图像x的相位一致性PC(x)定义为：
[0150] nJ
[0151]其中，e = 0. 0001，为了避免上式出现分母为零的情况。设置n = 4, J = 4，0」 =6〇
[0152] 同理，失真图像y的相位一致性PC(y)定义为：
[0153] II: J
[0154] 其中，e =〇. 〇〇〇1，为了避免上式出现分母为零的情况。设置n = 4, J = 4，9」 =6〇
[0155] Stepl. 4、通过公式（4)和公式（5)分别得到原始图像x的相位一致性PC(x)和和 失真图像y的相位一致性PC(y)，然后通过公式（6)得到两幅图像的特征相似性Src(x，y):
[0156]
[0157] 其中，常量1\= 0. 85是为了避免上述公式出现分母为零的情况。
[0158] 所述得到图像的梯度相似性的具体步骤如下：
[0159] Step2. 1、对输入的一幅原始图像x和一幅失真图像y分别进行sobel处理，得到 原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y' ；
[0160] Step2. 2、利用原始图像x和失真图像y求取原始图像的均值yjP失真图像的均 值yy;利用Step2. 1得到的原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y'， 分别求取梯度幅值图像x'的标准差，、梯度幅值图像y'的标准差〇 y，以及梯度幅值图 像X'和梯度幅值图像y'的协方差〇x，y，；
[0161] Step2. 3、利用Step2. 2得到的原始图像的均值y x、失真图像的均值y ￥通过公式 (7)得到图像的亮度比较函数l(x，y);利用St印2.2得到的梯度幅值图像X'的标准差〇x，、 梯度幅值图像y'的标准差〇y，以及梯度幅值图像x'和梯度幅值图像y'的协方差〇 x，y，通 过公式⑶和公式（9)得到对比度比较函数Gg(x，y)和相关系数比较函数S g(x，y);
[0162]
[0163]
[0164]
[0165] 其中，常量Q、CjPC3是为了避免上述各式出现分母为零的情况，设置C 1 = 6. 5025、C2= 58. 5225,由于C 3在计算的过程中会被约掉，故在此不做设置。
[0166]Step2. 4、将Step2. 3得到的亮度比较函数1 (X，y)、对比度比较函数Gg(x, y)和相 关系数比较函数\(1，7)根据公式（10)的形式结合即可得到原始图像x和失真图像y的 梯度特征相似性GSSIM(x，y);
[0