一种评价图像质量客观方法综合效率的算法
【专利摘要】本发明公开了一种用于衡量各种图像质量客观评价算法综合效率的方法，其核心是首先从不同衡量角度设计必要的图像质量客观评价算法的性能评价指标，从而能够全面地评价各种算法的性能优劣；其次，统一各个指标的评价标准，使得各个指标的评价结果数据具有一致性；最后，设计一个简单有效的融合算法，该算法能够融合不同评价指标和不同测试图像数据库，通过该算法获得的最终结果数据可以反映出各种图像质量客观评价算法的综合效率，从而为上述各种算法的筛选应用提供依据。
【专利说明】
-种评价图像质量客观方法综合效率的算法
技术领域
[0001] 本发明设及计算机领域，特别是设及一种评价图像质量客观方法综合效率的算 法。
【背景技术】
[0002] 图像传递着大量的信息，在数码电子产品和互联网应用中举足轻重。伴随着海量 的图像数据，我们面临着信息的快速筛选、图像内容的有效分析W及图像质量的准确判断 等问题。图像质量客观评价方法通过计算机模拟人眼视觉系统来建模研究图像质量，该方 法W自动连续的高效工作方式而成为了该领域的研究重点。
[0003] 当前，图像质量客观评价算法已经获得了长足的发展。传统的经典评价算法如均 方根误差RMSE、信噪比SNR W及峰值信噪比PSNR等;仿生学评价算法，例如化lay算法，Lubin 算法，Sa打anek-Johnson算法，Teo-Heeger算法，Watson离散余弦变换算法W及Watson小波 变换算法等;工程学评价及其改进算法，例如结构相似度SSIM算法，信息保真度IFC算法，奇 异值分解SVD算法，梯度结构相似度GSM算法，特征结构相似度FSIM算法，视觉保真度VIF算 法等。
[0004] 上述各种图像质量客观评价算法的不同评价指标水平之间存在较大的差异，例如 经典评价算法一般评价速度较快，获得了较好的实时性指标水平，仿生学算法评价结果的 主、客观相关度指标水平较好，而工程学评价算法的上述不同评价指标水平则获得了较好 的均衡性。此外，同一种图像质量客观评价算法，对于不同的测试图像数据库，评价结果水 平也有较大的差异。但目前专口研究评价各种算法性能优劣的文献非常少，已有的研究成 果仅仅局限于斯皮尔曼等级排序相关系数SR0CC、均方根误差RMSE和皮尔逊相关系数化CC 运3个准确度指标水平，从而造成的问题是：1、时间性能是评价算法性能优劣的一个很重要 的指标，但是目前没有关于图像质量客观评价算法时间性能的研究成果，从而无法比较各 种评价算法的时间性能；2、稳定性是算法的一种重要性能指标，但是目前没有关于图像质 量客观评价算法稳定性评价的研究成果;3、同一种图像质量客观评价算法对于不同失真类 型图像的评价具有不同的性能，如何设计一种简单有效的融合算法来获得各种不同失真图 像的综合评价，目前尚无研究成果；4、现有的3个准确度指标评价标准不统一，相关系数 SR0CC、和皮尔逊相关系数化CCS个的取值范围都是0~1，且取值越大准确度越高，但是均 方根误差RMSE取值范围〉1，且取值越大准确度越低；5、同一种图像质量客观评价算法对于 不同测试图像数据库的评价具有不同的性能，如何设计一种简单有效的融合算法来获得各 种不同测试数据库的综合评价，目前尚无研究成果；
[0005] 综合起来看，目前有关衡量图像质量客观评价算法综合效率的研究成果非常少， 运种现状一方面使得各种图像质量客观评价算法性能优劣无法得到有效的评价，另一方面 也严重制约了优良算法的合理筛选和推广应用，从而也影响了图像质量客观评价领域的研 究进展。因此，如何统一各种评价指标的衡量标准W及如何设计一种简单有效的评价方法， 使得该方法能够统一标准地融合不同测试图像数据库和不同评价指标，并且全面地衡量各 种图像质量客观评价算法的综合效率，对于图像质量评价领域的研究意义重大。
【发明内容】
[0006] 针对现有技术存在的不足，本发明提供了一种…的评价图像质量客观方法综合效 率的算法。
[0007] 本发明的技术方案为：
[0008] -种评价图像质量客观方法综合效率的算法，其特征在于，其特征在于，所述方法 包括：
[0009] 步骤1，选定一个待测试的图像数据库，其中图像数据库为1^￥6、11(：1\1￥(：、457中 的一个或多个。
[0010] 步骤2,基于选定的图像数据库，选择所有待比较的图像质量客观算法。
[0011] 步骤3,运行各种图像质量客观评价算法，获得数据库内每幅失真图像在每种图像 质量客观评价算法下的客观评价分值，并记录各种图像质量客观评价算法评价整个数据库 的运行时间。
[0012] 如果有新增加算法的综合效率需要参与评价，则从本步骤开始执行本方法，W便 保证各种算法评价环境的统一。
[0013] 步骤4,根据所选数据库提供的失真图像类型和主观测试分值，计算每种失真类型 下各种图像质量客观评价算法的四个单项准确度指标水平，所述的四个单项准确度指标包 括斯皮尔曼等级排序相关系数SR0CC、均方根误差RMSEW及皮尔逊相关系数化CC。
[0014] 其中四个单项的准确度指标，根据国际视频专家组VQGE规范，包含spearman相关 系数SR0CC、Pearson相关系数化CC和均方根误差RMSES个指标，运S个指标的计算根据 VQGE规范，在该研究领域的各种参考文献中都有统一的算法。其中，本发明对均方根误差 RMSE指标进行了归一化处理，用如下公式描述：
[0015]
[0016] 其中，i表示第i个测试数据库，谦示第測算法，RM化(ij)取值范围为0 < RkIsE财)空1， 归一化后的RMsAe(W越大，则算法j的准确度越高。归一化后的RMsAE^j)衡量标准和SR0CC、 化CC具有一致性，且性质完全相同，从而能够和其它两个指标直接融合。
[0017] 如果所选图像数据库没有提供失真图像类型，则默认失真类型数量为1，并合并步 骤4至步骤6为一步，直接计算该数据库下各种算法的横向准确度水平。
[0018] 步骤5,针对每种失真类型，分配=个单项的准确度指标权重，加权计算获得每种 失真类型下各种图像质量客观评价算法的类型准确度指标水平。
[0019] S个单项准确度指标权重用来调整不同指标的比例，其权重值a(〇)大小与所属指 标的重要程度成正比，Q(O)与所选图像数据库W及图像质量客观评价算法均无关，且满足 乙U(O) = I，〇表示指标的数量。=个单项准确度指标评价结果记为Al,0)，一般优选为a 田=1 (l)=a(2)=a(3) = 1.0,采用如下公式描述的加权乘机算法进行融合：
[0020]
[0021] 式中，Al, 0)表示第i个数据库下第巧巾算法，在第f种失真类型下的第O个准确 度的指标水平，Al, ^f)表示第i个数据库下第巧巾算法在第巧巾失真类型下的类型准确度指 标水平。
[0022] 步骤6,分配不同失真的类型准确度指标权重，加权计算获得该数据库下各种图像 质量客观评价算法的横向准确度水平。
[0023] 其中不同失真的类型准确度指标权重，用如下公式描述：
[0024]
[0025] 其中，num(i，f)表示第i个图像数据库下第f个失真类型所包含失真图像的数量，P 表示失真类型的数量，e(i，f)与所选算法无关且满，
，对Al, ^f)采用加权求和 算法进行融合，可W用如下公式描述：
[0026]
[0027] 其中，Al, ^V)表示第i个图像数据库下第巧中算法的横向准确度指标水平。
[0028] 步骤7,基于上述选定的图像数据库，对失真图像按失真程度划分成若干个区间。
[0029] 其中失真区间range(L)划分依据数据库提供的主观测试结果MOS值进行，可用如 下公式描沐：
[0030]
[0031] 其中，MOSi化)代表第i个图像数据库下第k幅失真图像的主观测试分，由数据库提 供，range i (L)表示第L个区间，M表示划分的区间数量。
[0032] l《L《M，rangei化）与所选图像数据库W及图像客观评价算法无关，则满足min (MOSi 化））《rangei(L)《max(MOSiA))。
[0033] 步骤8,结合数据库提供的主观测试分值，计算每个失真区间内各种图像质量客观 评价算法的=个单项准确度指标水平。
[0034] 步骤9，针对每个失真区间，分配=个单项准确度指标权重，加权计算获得该失真 区间内各种图像质量客观评价算法的区间准确度指标水平。
[0035] 其中=个单项准确度指标权重和步骤5中相同，=个单项准确度指标评价结果记 为Ai, j a，O )，采用如下公式描述的加权乘机算法进行融合：
[0036]
[0037] 式中，Al, ^L, 0)表示第i个数据库下第巧巾算法，在第L个失真区间的第〇个准确度 指标水平，Al, 则表示第i个数据库下第巧巾算法，在第L个失真区间的区间准确度指标水 平。
[0038] 步骤10,分配不同失真区间权重，加权计算获得该数据库下各种图像质量客观评 价算法的纵向准确度水平
[0039] 其中不同失真区间权重用如下公式描述：
[0040]
[0041] 其中，numi(L)表示第i个图像数据库的第L个失真区间所包含失真图像的数量， numi化)与所选算法无关且满巧
，:Al, 采用加权求和算法进行融合，可W用 如下公式描沐；
[0042]
[0043] 其中，Al, ^H)表示第i个数据库下第巧中算法的纵向准确度指标水平。
[0044] 步骤11，基于所选数据库下各种图像质量客观评价算法的运行时间，计算各种图 像质量客观评价算法的时间性能。
[0045] 时间性能由各种算法的评价时间去除最快算法的评价时间获得，可用如下公式描 述：
[0046]
[0047] 其中，t(i，j)表示第i个数据库下第巧巾算法的评价时间，min表示求最小值。E(i, j)取值范围为0 <E(i，j)《1，E(i，j)越大，则时间性能指标水平越高。E(i，j)和准确度具有 统一的评价标准，可W直接和准确度指标进行融合。
[004引步骤12,基于所选数据库，寻找两幅失真程度足够接近的图像，W此来计算各种图 像质量客观评价算法的稳定性指标。
[0049]两幅失真程度足够接近的图像，W测试图像数据库提供的MOS值为依据，用如下公 式进行判断：
[0化0] IMOSi化O-MOSi化2) I <5
[0051]其中，S为任意无穷小，具体根据数据库失真图像的实际情况决定，作为优化，取5 = 0.005。
[0化2] 么放]管、)主的芭吿化^(^? 1'、吿皆如了.
[0化3]
[0054] 式中，objectivesij化1) ,objectivesi,j化2)分别表示第i个数据库下第巧中算法对 第kl和k2副失真图像的客观评价结果分值。
[0055] 将〇( i，j)进行如下归一化变换：
[0化6]
[0057] 其中，max表示求最大值，归一化的取值范围为'〇< 口化《1 >并并且和准确 度具有统一的评价标准，直接和准确度指标进行融合。
[005引步骤13,分配各种图像质量客观评价算法的横向准确度、纵向准确度、稳定性和时 间性能的四个指标权重，加权计算获得所选数据库下各种图像质量客观评价算法的综合效 率。
[0059] 四个指标权重大小与所属指标的重要程度成正比，横向准确度指标权重Av、纵向 准确度指标权重如、整体可靠性指标权重AnW及时间性能指标权重Ae与所选图像数据库W 及图像质量客观评价算法无关，且满足Av+Ah+A0+Ae=1，上述各个指标评价结果采用加权乘 积算法讲行關合，可W用化下公式描沐：
[0060]
[0061] 其中，YiJ代表第i个数据库下第巧巾算法的性能，进一步，审 即将AiJ(V)与Ai, j化)两项合并，Aa为合并的权重。。
[0062] 步骤14,增加测试的图像数据库，并按照步骤3~步骤13计算新增数据库下各种图 像质量客观评价算法的综合效率。
[0063] 步骤15,分配各个图像数据库权重，加权计算获得各种图像质量客观评价算法的 综合效率。
[0064] 图像数据库权重根据各图像数据库在图像质量评价算法中的地位决定，可根据实 际应用做调整，权重值《ia = l，2, AD)与待测图像质量客观评价算法无关，D表示图像数 据库的数量，Yi, 1采用加权乘积算法进行融合，可用如下公式描述：
[00 化]
[0066] 式中w(i)为经验权重系数，一般优选为w(i) = l，丫（i)为数据库融合权重，由失真 图像数量决定，与评价算法无关，可W表示如下：
[0067]
[0068] 式中num(i)表示第i个图像数据库中失真图像的数量，D表示测试图像数据库的数 量。
[0069] 本发明的衡量各种图像质量客观评价算法综合效率的方法，不仅弥补了现有评价 指标的不足，增加了时间性能指标和稳定性指标评价，而且新增指标的评价结果合理，综合 效率的评价结果则反映出各种图像质量客观评价算法的综合效率的优劣，从而为上述各种 算法的筛选应用提供依据。
【附图说明】
[0070] 图1为本实施例衡量各种图像质量客观评价算法综合效率方法的操作流程图。
【具体实施方式】
[0071] 下面结合【附图说明】本发明【具体实施方式】。
[0072] 如图1所示：
[0073] 本实施参考国际视频专家组V犯G规范，选中1^￥6、457、1￥(：、11(：1'共计4个标准图像 数据库进行测试，上述数据库详见网站http : //sse . tong ji . edu . cn/linzhang/IQA/ IQA.htm提供下载。为便于描述，后续步骤用第一个下标I至4依次代表上述4个数据库。上述 4个数据库均存储有一些配对的标准案例（即参考图像和失真图像对），每个案例中的失真 图像均有对应的MOS值(主观评价分值)已知，该MOS值即为人眼的主观测试结果。
[0074]步骤1，首先选定LIVE图像数据库进行测试；
[00巧]步骤2,本实施选取了一些具有代表性的图像质量客观评价算法，包括PSNR、GSM、 UQI、IW-SSIM、IFC、NQM、VSNR、VIF、SSIM、FSIM、VSI、MS-SSIM、M_SVD，共计 13 种客观评价算法 进行综合效率的比较，各种算法的代码程序详见网站http : //sse . tong ji . edu . cn/ linzhangパQAパQA.htm。为便于描述，后续步骤用第二个下标l至15依次代表上述算法。
[0076] 步骤3,基于LIVE图像数据库，运行上述选定的13图像质量客观评价算法，获得该 数据库下每幅失真图像对应每种客观算法的客观评价结果分值，记为Objectivesi, ^k),第 一次下标1代表图像数据库LIVE的序号，第二个下标j代表不同客观评价算法的序号，j = l， 2,3A14，k代表失真图像序号，由于LIVE数据库有982副失真图像，因此k=l，2,3A982。每 种算法的运行时间记为t(l，j)，结果详见表1。
[0077] 步骤4，LIVE数据库将失真图像划分为肝EG、肝EG2000、WN、gblur和fastfading五 种失真类型，用序号1至5依次代表运五种失真类型，基于运五种失真类型，计算每种算法的 S个单项准确度指标，结果记为SROCC(i,j)(f)，PLCC(i,j)(f)，，RMSE(i,j)(f)，f取值为1至5,分 别代表五种失真苯巧.结單详町亲1。
[007引其中，
为每种失真类型下各种算法均方根误差 RMSEd, j)(f)的归一化处理值，。
[0079] 步骤5，对于每种失真类型，分配SROCC指标的权a (1 ) = 1.0，化CC指标的a (2)= 1.0，RM:!E化指标的权a (3) = 1.0，并按照公式
[0080]
[0081] 计算每种失真类型下各种算法的类型准确度Al, ^f)值，结果详见表1。
[0082] 步骤6,分配每种失真类型图像的权重，权重描述如下：
[0083]
[0084] 其中，P表示失真类型的数量，对于LIVE数据库，失真类型为五种，因此P = 5，e(l， f)与所选算法无关且满i
，e(l，f)数值详见表1dAi, ^f)采用加权求和算法进行 融合，可W用如下公式描述：
[0085]
[00化]结果详见表1。
[0087]步骤7,失真区间range(i)a)划分依据LIVE数据库提供的主观测试结果MOS值进 行，可用如下公式描述：
[008引
[0089] 运里取1 = 3扣￥6数据库的111曰义(]\?)5) = 84.4890，111111(]\105)=0，故^个失真区间分 别为range(i)(l) = [0,21)，range(i)(2) = [21,49)，range(i)(3) = [49,85]，依次代表低失真 图像、一般失真图像和高失真图像，结果详见表1。
[0090] 步骤8,计算每个失真区间的S个单项准确度指标，结果记为SROCCd, W化）， PLCC(IJ)(L), MSE(IJ)(L), L取值为1至3,分别代表立个失真区间，其结果详见表1。
[0091] 其中：
弓每个失真区间内各种算法均方根误差 RMSE(IJ) (L)的归一化处理值，结果详见表1。
[0092] 步骤9，对于每个失真区间，分配SROCC指标的权a (1 ) = 1.0，化CC指标的a (2)= 1.0，民MSE(i)指标的权Q (3) = 1.0，并按照公式
[0093]
[0094] 计算每个失真区间的区间类型准确度Al, 值，结果详见表1。
[00M]步骤10,分配每个失真区间的权重，权重描述如下：
[0096]
[0097] 其中，L表示失真类型的数量，作为优选，运里取L = 3，丫（ 1，L)与所选算法无关且 满盾
T (1，L)数值详见表UAiJ(L)采用加权求和算法进行融合，可W用如下公 式描述：
[009引
[0099] 结果详见表1。
[0100] 步骤11，计算各种评价算法的时间性能，可用如下公式描述：
[0101]
[0102] 其中，t(l，j)表示第i个数据库下第巧巾算法的评价时间，min表示求最小值，结果 详见表1dE(IJ)的取值范围为0<E(l，j)《l，E(l，j)越大，则时间性能越高，E(IJ)和01, j、 Al, jW)及Al, ^V)具有统一的评价标准，从而可W直接融合。
[0103] 步骤12,寻找两幅失真程度足够接近的图像，W测试图像数据库提供的MOS值为依 据，可用如下公式进行判断
[0104] IMOSi化i)-M0Si(k2) I <5
[0105] 其中，S为任意无穷小，具体LIVE数据库失真图像的实际情况，作为优选化，SKki) =21.0230，]?051化2)=21.0245，满足|]\1051化1)-]\1051化2)|=0.0015<0.005，运里取5 = 0.005,因为从人眼主观判断看，两个图像已经分别不出失真差异，可W认为是同一失真水 平，因此，可W用来衡量客观评价算法的稳定性。
[0106] 各种算法的稳定性0(1，j)定义如下：
[0107]
[010引式中，objectivesij化I) ,objectivesi,j化2)分别表示第i个数据库下第巧中算法对 第ki和k2副失真图像的客观评价结果分值。
[0109] 将〇(i，j)进行如下归一化变换：
[0110]
[01"]其中，max表示求最大值，^lJ)结果详见表1。归一化。(IJ)的取值范围为()<。(1. /间， 并并且和准确度具有统一的评价标准，可W直接和准确度指标进行融合。
[0112]步骤13，分配横向准确度指标权重Av、纵向准确度指标权重Ah、整体可靠性指标权 重入。W及时间性能指标权重如为人V = 0.8, Ah = 0.1, A。= 0.05 , Ae = 0.05，且Av+Ah+A〇+Ae = 1。 将上述各个指标评价结果采用加权乘积算法进行融合，可W用如下公式描述：
[。…]Yi'j=Ai'j(V)〇'8 ? Ai'j(H)〇'i ?。1'/'化? Ei'jO.化
[0114] 其中，Yi, J代表第1个数据库LIVE下第測算法的性能，并巧 > 即将Ai, j(V)与Ai, j(H)两项合并,合并后权重取Aa=O .9<jYi,j结果详见表1。
[0115] 步骤14,依次增加测试的图像数据库457、1￥(：、11圳，并分别按照步骤3-步骤12计 算新增的3个数据库下各种算法的性能Yi,J，结果如表2所示。
[0116] 步骤15,根据各图像数据库在图像质量评价算法中的地位分配其对应的权重，值 ?i(i = l，2，A4)。图像数据库选取LIVE、A57、IVC、MICT对应的评价结果依次记为Yi J，Y2, jY3,jY4,j，作为优选，其对应的权重依次取Wl = "2="3="4=1.0。
[0117] Yi,J采用加权乘积算法进行融合，可用如下公式描述：
[011 引
[0119] 式中w(i)为经验权重系数，如无要求可取w(i) = l，丫（i)为数据库融合权重，由失 真图像数量决定，与评价算法无关，可W表示如下：
[0120]
[0121] 式中num(i)表示第i个图像数据库中失真图像的数量，D表示测试图像数据库的数 量。
[0122] 其中戈表第巧中算法的综合效率，结果详见表2。
[0123] 现对表1和表2的测试结果说明如下：
[0124] 1、基于图像失真类型的评价特性：传统PSNR及其改进VSNR方法的准确度指标 RM 沈、PLCC，单调性指标 SROCC 和可靠性指标 〇(i, j)对于肝 EG2000、JPEG、gblur、fastfading 四类失真图像的评价水平都是所有方法中最低的，仅仅对WN类失真有较高的评价水平； SSIM和IFC工程学方法则对各类失真图像(WN类失真除外）的评价水平明显高于传统方法， 改进的MS_SSIM和VIF视觉工程学方法在某些失真类型(肝EG2000和JPEG)评价水平上获得 了提升，但在另一些失真类型(WN、gblur和fastfading)上出现了下降，因此运些方法并没 有体现出评价优势，也说明现有视觉图像质量评价仍有待进一步深入研究;基于图像特征 的工程学评价方法体现了较大的评价优势，例如GSM，明显对各类失真的评价都保持了较高 的水平，即使对于SSIM方法评价水平较高的WN、gblur和fastfadingS个失真类型上也基本 持平，特别是基于图像奇异值特征的M_SVD方法，对于各类失真评价均具有最高的准确度指 标RMSE和化CC水平，但M_SVD方法的缺点是单调性指标SROCC水平较低;FSIM新方法则对各 类失真评价都保持了较高的单调性指标水平，但准确度指标却相对并没优势，曰5^和1_5￥0 具有互补性，而另一种新方法VSI的各项指标水平相对SSIM方法没有优势。
[0125] 2、基于图像失真程度的评价特性:对于低失真高质量图像评价，多数方法都具有 非常高的指标水平，但GSM、VIF和VSS种方法相对较低，特别是VSI方法的RMSE和SROC巧旨标 水平非常低;对于一般失真的图像质量评价，各种方法的各项指标水平都相对高质量图像 评价时出现了下降，例外的是VSI方法的评价性能反而出现了提升，基本和其它方法持平； 各种方法的问题出现在高失真的低质量图像评价上，各项指标水平均较为低下，相对而言， FSIM和IFC方法是所有方法中水平最高的，但其化CC和SROCC指标水平也仅达到0.6000左 O
[0126] 3、可靠性指标水平〇(/，./).首先，视觉信息保真度VIF和PSNR的可靠性水平最化，分 别为0.1866和0.1034;其次，工程学方法的可靠性相对PSNR方法提高不少，例如SSIM、M_SVD 和IFC都在0.1W下;最后，基于图像特征和工程学结合的评价方法具有更好的可靠性指标， 例如，MSSIM、FSIM和VSI都在0.05 W下，GSM是所有方法中可靠性水平最高的。
[0127] 4、评价时间效率水平E(i，j): PSNR方法具有最高的时间效率水平，运也是PSNR在 各种图像处理领域获得广泛应用的一个重要因素。相比而言，工程学方法由于模拟人类视 觉系统的某些建模算法，因此降低了 E(i，j)指标水平，其中，55加、651、1_5￥0、15_55加相对 其它工程学方法保持了较好的时间效率水平，多特征联合的FSIM方法时间效率水平下降较 快，而信息保真度IFC、VIF类方法E(i，j)水平最低。
[0128] 表1各种代表性客观评价方法基于LIVE数据库的指标水平测试结果比较
[0129]
[0130]
[0131] 5、综合评价效率水平:通过融合1^￥6、457、1￥(：、11(：1'四个数据库的上述各项评价 指标的测试结果，获得各种评价方法的相对综合效率水平Yj,如表2所示。表2中实验结果数 据的权重取值为、二0.8, Ah = O. 1 ,Aa=0.9, A?。二0.05, Ae = O.05,基本达到区分了失真度方 法和相似度方法评价效率分水岭的效果，如果进一步降低时间效率指标权重^和稳定性指 标权重A。，提高准确度和单调性指标权重Aa,则相似度方法的评价效率将明显优于失真度方 法。表帥PSNR、VSNR、M_SVD都属于失真度统计类评价方法，评价效率水平相对并不突出，运 主要是由于其准确度、单调性及可靠性指标水平在大多数失真类型和不同失真程度的图像 评价上都较为低下，但运=个指标恰恰是衡量图像质量客观评价方法最重要的性能标准， 但PSNR却具有最高的时间效率水平，弥补了该项缺陷，因此提高了其综合评价效率水平;工 程学及其改进评价方法由于相对失真度评价提高了准确度和单调性指标水平，因此获得了 较好的评价效率，特别需要指出的是，GSM方法由于具有最高的稳定性，且准确度、单调性、 评价时间效率等指标水平均优于SSIM方法，因此获得了最高的综合评价效率；IFC及VIF的 评价效率也比较低下，原因有=个：1)评价算法较为复杂，导致其评价时间消耗非常高，E (i，j)急剧下降；2)相对工程学SSIM方法并没有获得准确度和单调性重要指标水平的提高； 3)基于人类视觉系统建模效率相对MSSIM和VSI方法都较为低下。
[0132] 表2各种评价方法基于1^￥6、457、1￥(：、11(：1'四个数据库的综合评价效率测试结果 比较
[0133]
[0134] W上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技 术人员来说，本发明可W有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种评价图像质量客观方法综合效率的算法，其特征在于，所述方法包括： 步骤1，选定一个待测试的图像数据库； 步骤2，基于选定的图像数据库，选择所有待比较的图像质量客观算法； 步骤3,运行各种图像质量客观评价算法，获得数据库内每幅失真图像在每种图像质量 客观评价算法下的客观评价分值，并记录各种图像质量客观评价算法评价整个数据库的运 行时间； 步骤4,根据所选数据库提供的失真图像类型和主观测试分值，计算每种失真类型下各 种图像质量客观评价算法的三个单项准确度指标水平，所述的三个单项准确度指标包括斯 皮尔曼等级排序相关系数SROCC、均方根误差RMSE以及皮尔逊相关系数PLCC; 步骤5，针对每种失真类型，分配三个单项的准确度指标权重，加权计算获得每种失真 类型下各种图像质量客观评价算法的类型准确度指标水平； 步骤6,分配不同失真的类型准确度指标权重，加权计算获得该数据库下各种图像质量 客观评价算法的横向准确度水平； 步骤7,基于上述选定的图像数据库，对失真图像按失真程度划分成若干个区间； 步骤8，结合数据库提供的主观测试分值，计算每个失真区间内各种图像质量客观评价 算法的三个单项准确度指标水平； 步骤9，针对每个失真区间，分配三个单项准确度指标权重，加权计算获得该失真区间 内各种图像质量客观评价算法的区间准确度指标水平； 步骤10,分配不同失真区间权重，加权计算获得该数据库下各种图像质量客观评价算 法的纵向准确度水平； 步骤11，基于所选数据库下各种图像质量客观评价算法的运行时间，计算各种图像质 量客观评价算法的时间性能； 步骤12,基于所选数据库，寻找两幅失真程度足够接近的图像，以此来计算各种图像质 量客观评价算法的稳定性指标； 步骤13,分配各种图像质量客观评价算法的横向准确度、纵向准确度、稳定性和时间性 能的四个指标权重，加权计算获得所选数据库下各种图像质量客观评价算法的综合效率； 步骤14,增加测试的图像数据库，并按照步骤3~步骤13计算新增数据库下各种图像质 量客观评价算法的综合效率； 步骤15,分配各个图像数据库权重，加权计算获得各种图像质量客观评价算法的综合 效率。2. 如权利要求1所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的均 方根误差RMSE需要进行归一化处理，用如下公式描述：其中，i表示第i个测试数据厍，j表示第j种算法。3. 如权利要求2所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤5和步骤9中的准确度指标权重大小与所属指标的重要程度成正比，准确度指标水平计算 采用如下公式描述的加权乘机算法进行融合：其中α(ο)为准确度指标权重的值，〇表示指标数量，A^(f，〇)表示第i个数据库下第j种 算法，在第f种失真类型下的第〇个准确度的指标水平，Α^α)表示第i个数据库下第j种算 法在第f种失真类型下的类型准确度指标水平。4. 如权利要求3所述的评价图像质量客观方法综合效率的算法，其特征在于，所述步骤 6中的类型准确度指标权重，用如下公式描述：其中，num(i，f)表示第i个图像数据库下第f个失真类型所包含失真图像的数量，P表示 失真类型的数量，0(i，f)与所选算法无关且满足￡@(/./) = 1，对Au(f)采用加权求和算法 f=l 进行融合，用如下公式描述：其中，Au(V)表示第i个图像数据库下第j种算法的横向准确度指标水平。5. 如权利要求4所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤7中的失真区间range(L)划分依据数据库提供的主观测试结果MOS值进行，用如下公式描 述：其中，MOSdk)代表第i个图像数据库下第k幅失真图像的主观测试分，由数据库提供， rangei(L)表示第L个区间，Μ表示划分的区间数量。 1SL彡M，rangei(L)与所选图像数据库以及图像客观评价算法无关，则满足mir^MOSi (k) Xrangei(LXmax(MOSi(k)) 〇6. 如权利要求5所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤10中的不同失真区间权重，用如下公式描述：其中，nunua)表示第i个图像数据库的第L个失真区间所包含失真图像的数量，nUnu(L) 与所选算法无关且满足^>〃》以/^) = ：14^仏)采用加权求和算法进行融合，用如下公式描 L=l 述：其中，Ai,j(H)表示第i个数据厍卜弟j柙算法的纵冋准确度指标水平。7. 如权利要求6所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤11中，时间性能由各种算法的评价时间去除最快算法的评价时间获得，用如下公式描述：其中，t (i，j)表示第i个数据库下第j种算法的评价时间，m i η表示求最小值。E (i，j)取 值范围为〇<E(i，j) < 1，E(i，j)越大，则时间性能指标水平越高。E(i，j)和准确度具有统一 的评价标准，直接和准确度指标进行融合。8. 如权利要求7所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤12中的两幅失真程度足够接近的图像，以测试图像数据库提供的MOS值为依据，用如下公 式进行判断 MOSi(ki)-MOSi(k2) | <δ 其中，S为任意无穷小； 各种图像质量客观评价算法综合效率的稳定性〇(i，j)定义如下：I ^.....丄乂/ | 式中，〇1^_6(31：；^68^(1^1)，〇1^6(31：；^68^(1?)分别表示第：[个数据库下第」种算法对第1^ 和1?副失真图像的客观评价结果分值； 将0(i，j)进行如下归一化变换其中，max表示求最大值，归一化^/j；)的取值范围为0<σ(/，/) 并并且和准确度具 有统一的评价标准，直接和准确度指标进行融合。9. 如权利要求8所述的评价图像质量客观方法综合效率的算法，其特征在于，所述的步 骤13中的四个指标权重大小与所属指标的重要程度成正比，横向准确度指标权重λ ν、纵向 准确度指标权重λΗ、整体可靠性指标权重λ。以及时间性能指标权重λΕ与所选图像数据库以 及图像质量客观评价算法无关，且满足λν+λΗ+λσ+λΕ?Ι，上述各个指标评价结果采用加权乘 积算法进行融合，用如下公式描述： 1 'iJ- ' - i.j '.!.,/· i.j 其中，Yu代表第i个数据库下第j种算法的性能。10. 如权利要求9所述的评价图像质量客观方法综合效率的算法，其特征在于，所述步 骤15中的图像数据库权重，根据各图像数据库在图像质量评价算法中的地位决定，权重值 Wl(i = l，2，AD)与待测图像质量客观评价算法无关，D表示图像数据库的数量，采用加 权乘积算法进行融合，用如下公式描述：式中L代表第j种算法的综合效率，w(i)为经验权重系数，γ (i)为数据库融合权重，由 失真图像数量决定，与评价算法无关，表示如下：式中num(i)表示第i个图像数据库中失真图像的数量，D表示测试图像数据库的数量。
【文档编号】G06T7/00GK105956159SQ201610325243
【公开日】2016年9月21日
【申请日】2016年5月13日
【发明人】丰明坤, 陈才, 王中鹏, 吴茗薇, 孙丽慧, 施祥, 李晓勇
【申请人】浙江科技学院