基于多尺度分解的压缩图像质量无参评估方法
【专利摘要】本发明公开了一种基于多尺度分解的压缩图像质量无参评估方法，该方法首先，提取压缩图像的边缘像素，采用非下采样的轮廓波变换，构建图像边缘渐变特征因子；其次，对压缩图像进行离散余弦变换(DCT)，获得的图像平滑特征因子；最后，将图像边缘渐变特征因子和图像的平滑特征因子融合，得到压缩图像无参质量评估的评价值公式，实现对压缩图像无参质量评估。本发明采用图像边缘渐变特征因子与图像平滑特征因子进行融合，得到该压缩图像无参质量评估的评价值，综合反映了图像压缩导致的结构失真和平滑失真，因此能有效地评价压缩图像的质量，当图像被低通滤波或裁减时，仍可有效反映图像这两方面的失真情况，因此还提高了图像质量评估的鲁棒性。
【专利说明】基于多尺度分解的压缩图像质量无参评估方法
【技术领域】
[0001]本发明涉及一种利用信号处理和计算机技术分解数字图像内容以便对压缩图像质量进行无参考评估的方法。
【背景技术】
[0002]由于压缩图像被广泛地应用，对压缩图像质量进行评估，有助于分析图像质量的优劣、评价各类压缩算法的性能。质量评估中，根据是否有原始图像作为参考，通常分为有参评估和无参评估。相比于有参质量评估，数字图像无参质量评估不需要原始未压缩图像，因此具有更好的应用价值。
[0003]常见的压缩图像多采用分块的方式，对每一块单独进行压缩，在一定程度上造成了图像块与块相邻处有一定的差异，压缩程度不同对图像边缘结构也有较大影响。基于此，目前大多数针对压缩图像的质量评估方法，假定在已知图像分块位置的前提下，通过分析图像中的块效应或者边缘变化的大小来判定压缩程度并给出质量评分。各种方法的评估方式不尽相同，可参阅如下论文:
1.S.Lee, J.P.Sang.〃A new image quality assessment method to detectand measure strength of blocking artifacts.〃 Signal Processing:1mageCommunication, Vol.27，N0.1，pp.31—38，2012.2.M.A.Saadj A.C.Bovicj A Two-Step Framework for Constructing BlindImage Quality Indices, IEEE Signal Processing letters, Vol.17，N0.5，May.2010，pp.513- 516.3.C.H.Yim and A.C.Bovikj Quality Assessment of Deblocked Images, IEEETransactions on Image Processing, Vol.20，N0.1，Jan.2011，pp.88—98
4.Z.Wang, A.C.B`ovikj B.L Evan, Blind Measurement of Blocking Artifactsin Images, IEEE International Conference on Image Processing, Vol.3，2000，pp.981-984
然而这些方法通常假定已知图像的分块位置，当压缩图像经过低通滤波、裁剪等处理后，图像中的块效应减弱或分块位置发生偏移，导致评价结果并不理想，即质量评估的鲁棒性较差。
【发明内容】
[0004]本发明的目的，在于提供一种基于多尺度分解的压缩图像质量无参评估方法，该方法根据图像压缩过程中出现的失真，可对压缩图像的质量进行准确评估，并能提高图像质量无参评估的鲁棒性。
[0005]为达到以上目的，本发明采用如下方案:
基于多尺度分解的压缩图像质量无参评估方法，首先，提取压缩图像的边缘像素，采用非下采样的轮廓波变换，构建图像边缘渐变特征因子；其次，对压缩图像进行一维离散余弦变换(DCT)，获得的图像平滑特征因子；最后，将图像边缘渐变特征因子和图像的平滑特征因子融合，得到压缩图像无参质量评估的评价值公式，实现对压缩图像无参质量评估，实现步骤如下:
(1)、提取压缩图像的边缘像素，得到所有边缘像素集合A及其相应的坐标集合A;对压缩图像的所有像素进行三层非下采样轮廓波变换，根据相应的坐标集合Z7中所有元素，判断边缘像素集合A中每一元素属于三层中的其中一层，由此构建压缩图像边缘渐变特征因子;
(2)、将图像进行分块，对每一图像分块中的行和列作一维离散余弦(DCT)变换，得到(DCT)变换系数，根据图像块中向量的一维(DCT)变换中行或列系数的数值，确定所有行或列方向平滑向量的个数，获得图像平滑特征因子；
(3)、对上述步骤(1)所述的图像边缘渐变特征因子与步骤(2)所述的图像平滑特征因子进行融合，得到该压缩图像无参质量评估的评价值。
[0006]上述步骤(1)所述的提取压缩图像的边缘像素，得到所有边缘像素集合A和相应的坐标集合A对压缩图像的所有像素进行非下采样轮廓波变换，根据相应的坐标集合K判断边缘像素集合A中每一元素属于三层中的其中一层，由此构建压缩图像边缘渐变特征因子，其具体步骤如下:
(1-1).将待测图像进行边缘提取，得到边缘像素集合A和相应的坐标集合K具体如下:
首先，采用sobel提取待测图像各边缘像素，将其边缘像素记为，由各边缘像素组成边缘像素集合，记为E,将每一个边缘像素所对应的坐标记为，由各坐标组成坐标集合F;
(1-2).将压缩图像中所有像素通过Harr低通滤波器，采用非下采样轮廓波变换，将所有像素依次分解为第一层的高频分量、第二层的高频分量、第三层的高频分量；
第一层的高频分量作为输入，通过pkval2滤波器进行第一层的8个方向分解，得到第一层的高频分量的分解系数，记为
【权利要求】
1.一种基于多尺度分解的压缩图像质量无参评估方法，其特征在于，该方法首先， 提取压缩图像的边缘像素，采用非下采样的轮廓波变换，构建图像边缘渐变特征因子；其次，对压缩图像进行一维离散余弦变换(DCT)，获得的图像平滑特征因子；最后，将图像边缘渐变特征因子和图像的平滑特征因子融合，得到压缩图像无参质量评估的评价值公式，实现对压缩图像无参质量评估，实现步骤如下: (1)、提取压缩图像的边缘像素，得到所有边缘像素集合A及其相应的坐标集合A;对压缩图像的所有像素进行三层非下采样轮廓波变换，根据相应的坐标集合Z7中所有元素，判断边缘像素集合A中每一元素属于三层中的其中一层，由此构建压缩图像边缘渐变特征因子; (2)、将图像进行分块，对每一图像分块中的行和列作一维离散余弦(DCT)变换，得到(DCT)变换系数，根据图像块中向量的一维(DCT)变换中行或列系数的数值，确定所有行或列方向平滑向量的个数，获得图像平滑特征因子； (3)、对上述步骤(1)所述的图像边缘渐变特征因子与步骤(2)所述的图像平滑特征因子进行融合，得到该压缩图像无参质量评估的评价值。
2.根据权利要求1所述的基于多尺度分解的压缩图像质量无参评估方法，其特征在于，上述步骤(1)所述的提取压缩图像的边缘像素，得到所有边缘像素集合A和相应的坐标集合A对压缩图像的所有像素进行非下采样轮廓波变换，根据相应的坐标集合A判断边缘像素集合A中每一元素属于三层中的其中一层，由此构建压缩图像边缘渐变特征因子，其具体步骤如下: (1-1).将待测图像进行sobel边缘提取，得到边缘像素集合A和相应的坐标集合K具体如下: 首先，采用sobel提取待测图像各边缘像素，将其边缘像素记为，由各边缘像素组成边缘像素集合，记为Ε,将每一个边缘像素所对应的坐标记为，由各坐标组成坐标集合Z7， (1-2).将压缩图像中所有像素通过Harr低通滤波器，采用非下采样轮廓波变换，将所有像素依次分解为第一层的高频分量、第二层的高频分量、第三层的高频分量； 第一层的高频分量作为输入，通过pkval2滤波器进行第一层的8个方向分解，得到第一层的高频分量的分解系数，记为
3.根据权利要求2所述的基于多尺度分解的压缩图像质量无参评估方法，其特征在于，上述步骤(2)所述的将图像进行分块，对每一图像分块中的行和列作一维离散余弦变换(DCT)，得到(DCT)变换系数，根据图像块中向量的一维(DCT)变换中行或列系数的数值，确定所有行或列方向平滑向量的个数，获得图像平滑特征因子，其具体步骤如下: (2-1).将待测压缩图像分成8X8分块，对每一图像分块中的各行或各列作一维离散余弦(DCT)变换，得到一维离散余弦(DCT)变换中行或列系数； (2-2).设置图像块中向量的一维DCT变换中行或列系数的数值，均为O的行或列作为图像的平滑向量，分别统计图像的行或列方向平滑向量的个数，记为炉和炉； (2-3).计算图像的平滑特征因子，其表达式如下:
4.根据权利要求3所述的基于多尺度分解的压缩图像质量无参评估方法，其特征在于，将上述步骤(1)所述的图像边缘渐变特征因子与步骤(2)所述的图像平滑特征因子进行融合，得到该压缩图像无参质量评估的评价值，其表达式为: SCOKE=-1O·lg10(D·R)(3) 其中，SCOKE为图像综合质量评估因子，D为图像的平滑特征因子，R为边缘渐变特征因子。
【文档编号】H04N19/625GK103533344SQ201310464607
【公开日】2014年1月22日 申请日期:2013年10月9日 优先权日:2013年10月9日
【发明者】钱振兴, 王文文, 张新鹏 申请人:上海大学