基于结构降化模型的半参考图像质量评价方法

文档序号:6552288阅读:226来源:国知局
基于结构降化模型的半参考图像质量评价方法
【专利摘要】本发明提供了一种基于结构降化模型的半参考图像质量评价方法,该方法主要考虑到对于图像在不同失真类型、不同失真程度上的响应空间频率响应的区别,并结合利用结构相似指数(SSIM)来提取图像特征,从而实现一种半参考的图像质量评价方法。根据在现有的LIVE数据库的测试结果来看优于大部分主流图像质量评价方法。本发明所述的评价方法仅依赖于结构相似性指数的计算函数,而无需引入其他复杂算法,不仅拥有卓越评价准确度,并且兼具了计算复杂度低、执行效率高的特点;本发明只需要四个数值作为特征值,这相比于图像本身的大小是可以忽略不计的。
【专利说明】基于结构降化模型的半参考图像质量评价方法

【技术领域】
[0001] 本发明涉及一种图像质量评价领域的系统,具体地,涉及一种基于结构降化模型 的半参考图像质量评价方法。

【背景技术】
[0002] 随着诸如图像视频压缩、存储以及传输技术在多媒体领域的广泛应用,对于高效 的图像质量评价技术的需求也在高速增长。现有的图像质量评价方法主要分为主观与客观 两种。其中主观评价方法应当是最为贴近真实的,但是代价非常昂贵,同时十分浪费时间, 并且这种主观评价方式在实时图像处理系统中是无法应用的。而对于客观质量评价,均方 差(Mean-Squared Error)以及峰值信噪比(Peak Signal-to-Noise Ratio)这两种评价方 法在当前有着非常广泛的应用,然而这两种方法并不能非常准确的与人们的主观评价结果 相匹配。
[0003] 考虑到这种状况,Z. Wang 等人在 2004 年《IEEE Transaction on Image Processing))上发表了 "Image quality assessment :From error visibility to structural similarity",充分考虑到人类视觉认知系统,提出了一种全新的基于图像结 构信息的客观图像质量评价方法,即结构相似指数(SSIM)。Z. Wang因此论文获得IEEE Signal Processing Society Best PaperAward。随后,大量的基于结构相似指数的改进方 法纷纷涌现。例如,Z. Wang 等人又在 2011 年《IEEE Transaction on Image Processing》 发表的论文"Information content weighting for perceptual image quality assessment",提出基于信息内容加权的结构相似指数(IW-SSIM)等。此外,还有一些基于 人类视觉认知系统的模型陆续提出,比如H. R. Sheikh等人在2006年《IEEE Transaction on Image Processing〉〉发表的论文''Image informationand visual quality",提出视觉 信息保真度模型(VIF)等。然而,这些质量评价需要原始参考图像的所有信息,这样会造成 非常大的数据冗余。这促使我们去设计一种新的客观质量评价方法,使用有限的原始图像 信息,在提高客观图像质量评价的准确度的同时,减少数据冗余量。


【发明内容】

[0004] 针对现有技术中的缺陷,本发明的目的是提供一种基于结构降化模型的半参考图 像质量评价方法,该方法仅依赖于结构相似性指数的计算函数,而无需引入其他复杂算法, 不仅拥有卓越评价准确度,并且兼具了计算复杂度低,执行效率高的特点。
[0005] 为实现以上目的,本发明提供一种基于结构降化模型的半参考图像质量评价方 法,包括以下步骤:
[0006] 第一步、分别对原图X与失真图Y进行分割,分为内区图像块与外区图像块;
[0007] 第二步、对于原图X的内区图像块与外区图像块,对其分别进行程度为0. 1与1. 5 的Fw滤波,以及程度为0. 1与1. 5的F。滤波;得到原图X内区图像块Fw滤波后图像μ x, i(0. 1)与^^(1.5)^。滤波后图像〇)^(0. 1)与〇)^(1.5),以及原图父外区图像块?^ 滤波后图像 μχ,ε(〇. 1)与 yx,e(i.5)、F。滤波后图像 〇x,e(〇. 1)与 〇x,e(i.5);
[0008] 第三步、对于原图X内区图像块Fw滤波后图像1)与μ^α. 5)计算结构 相似指数(SSIM),得到原图特征值SD^JX),对其F。滤波后图像σ)Μ(0. 1)与〇)^(1.5), 计算结构相似指数(SSIM),得到原图特征值SDv,i, N(X);同样的,对原图X外区图像块Fw滤 波后图像yx,e(〇. 1)与yx,e(1.5)、F。滤波后图像Ox,e(〇. 1)与0χ,ε(1.5)分别计算结构 相似指数(SSIM),得到相应的原图特征值SD m,e,N(X)与SDv,e, N(X);
[0009] 第四步、对于失真图Y的内区图像块与外区图像块,对其分别进行程度为0. 1与 1. 5的Fw滤波,以及程度为0. 1与1. 5的F。滤波,得到失真图Y内区图像块Fw滤波后图 像μγ,?(〇. 1)与μ^α. 5)、F。滤波后图像〇^(〇. 1)与〇^(1. 5),以及失真图Y外区图 像块Fw滤波后图像μγ,ε(0. 1)与μγ,ε(1. 5)、F。滤波后图像μγ,ε(0. 1)与σγ,ε(1. 5);
[0010] 第五步、对于失真图Υ内区图像块Fw滤波后图像μ Y,i(0. 1)与μ lid. 5)计算 结构相似指数(SSIM),得到失真图特征值SD^JY),对其F。滤波后图像OyJO. 1)与σγ, i (1. 5),计算结构相似指数(SSIM),得到原图特征值SDV, i, Ν(Υ);同样的,对失真图Υ外区图 像块Fw滤波后图像μγ, ε(0. 1)与μγ,ε(1. 5)、F。滤波后图像σγ,ε(〇. 1)与0Y,e(l. 5)分别 计算结构相似指数(SSIM),得到相应的失真图特征值SDm,e, N(Y)与SDv,e,N(Y); toon] 第六步、分别计算原图X各项特征值与失真图Y相应特征值之差,定义为相应特征 值的距尚,记为 Dm, i>N、Dv, i>N、Dm, e,N 以及 Dv, e,N ;
[0012] 第七步、分别对各项特征值的距离01^|0^1<、0" 1,^以及1^进行非线性变换, 将其结果相加后得到本发明图像质量评价指数SDM。SDM的值越大,则预测图像质量越好, 值越小则预测图像质量越差。
[0013] 优选地,第一步中,所述的图像分割方式:
[0014] 以8*8的像素块为单位的将图像平分,将各像素块中心部分的6*6像素块的集合 定义为该图像的内区图像块,将各像素块外围剩余的一圈像素的集合定义为该图像的外区 像素块。
[0015] 优选地,第二步中,所述的F w滤波:
[0016]

【权利要求】
1. 一种基于结构降化模型的半参考图像质量评价方法,其特征在于,包括以下步骤: 第一步、分别对原图X与失真图Y进行分割,分为内区图像块与外区图像块; 第二步、对于原图X的内区图像块与外区图像块,对其分别进行程度为0. 1与1. 5的Fw 滤波,以及程度为0.1与1.5的F。滤波;得到原图X内区图像块Fw滤波后图像μ x,i (0.1) 与以5^(1.5)、?。滤波后图像〇!^(0.1)与〇)^(1.5),以及原图父外区图像块? 1^虑波后 图像 μχ,ε(0. 1)与 yx,e(1.5)、F。滤波后图像 σχ,ε(〇. 1)与 〇x,e(l. 5); 第三步、对于原图X内区图像块Fw滤波后图像μ)Μ(0. 1)与μ^α.δ)计算结构相似 指数SSIM,得到原图特征值SD^JX),对其F。滤波后图像〇)^(0. 1)与〇)^(1.5),计算 结构相似指数SSM,得到原图特征值SDv,i, N(X);同样的,对原图X外区图像块Fw滤波后图 像yx,e(〇. 1)与yx,e(1.5)、F。滤波后图像σχ,ε(〇. 1)与0χ,ε(1.5)分别计算结构相似指 数SSIM,得到相应的原图特征值SD m,e,N⑴与SDv,e, N(X); 第四步、对于失真图Y的内区图像块与外区图像块,对其分别进行程度为〇. 1与1. 5的 Fw滤波,以及程度为0. 1与1. 5的F。滤波,得到失真图Y内区图像块Fw滤波后图像μ γ, i(0. 1)与滤波后图像σγ,^Ο. 1)与〇^(1.5),以及失真图¥外区图像块?^ 滤波后图像 μΥ,ε(〇. 1)与 μγ,εα. 5)、F。滤波后图像 〇Y,e(0.1)与 〇Y,e(i. 5); 第五步、对于失真图Y内区图像块Fw滤波后图像yY,i(0. 1)与μ^α.δ)计算结构相 似指数SSM,得到失真图特征值SDm,i,N(Y),对其F。滤波后图像〇Y,i(〇. 1)与Ογ,^Ι.δ), 计算结构相似指数SSIM,得到原图特征值SDv,i,N(Y);同样的,对失真图Y外区图像块F w滤 波后图像yY,e(〇. 1)与yY,e(1.5)、F。滤波后图像σγ,ε(〇. 1)与0γ,ε(1.5)分别计算结构 相似指数SSIM,得到相应的失真图特征值SD m,e,N(Y)与SDv,e, N(Y); 第六步、分别计算原图X各项特征值与失真图Y相应特征值之差,定义为相应特征值的 距尚,记为 Dm, i>N、Dv, i>N、Dm, e,N 以及 Dv, e,N ; 第七步、分别对各项特征值的距离Dm, i,N、Dv, i,N、D_,N以及D_N进行非线性变换,将其 结果相加后得到图像质量评价指数SDM,SDM的值越大,则预测图像质量越好,值越小则预 测图像质量越差。
2. 根据权利要求1所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第一步中,所述的图像分割方式: 以8*8的像素块为单位的将图像平分,将各像素块中心部分的6*6像素块的集合定义 为该图像的内区图像块,将各像素块外围剩余的一圈像素的集合定义为该图像的外区像素 块。
3. 根据权利要求1所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第二步中,所述的Fw滤波:
其中N为图像被滤波窗口切分的数量,高斯权重窗口 ω = {ω」? = 1,2,3, ...,N}, 窗口大小11*11,标准差为d的高斯分布,并进行归一化处理; 所述的F。滤波:
其中N为图像被滤波窗口切分的数量,高斯权重窗口 ω = {ω」? = 1,2,3, ...,N}, 窗口大小11*11,标准差为d的高斯分布,并进行归一化处理。
4.根据权利要求1所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第三步中,所述的结构相似指数计算方式: i) 分别利用下述公式计算图像X,Y的局部统计平均μ χ、μ y,标准差σ χ、σ y以及相关 系数σ xy :
其中N为图像被滤波窗口切分的数量,高斯权重窗口
窗口大小11*11,标准差为1. 5的高斯分布,并进行归一化处理; ii) 分别计算图像X,Y的亮度1 (X,y)、对比度c (X,y)以及结构相似度s (X,y):
其中 Q = 〇(山)2,(:2 = (K2L)2,C3 = (^/2,1 = 0.01,K2 = 0.03, L 为灰阶深度,如常用 的8位图像,则L = 28-1 = 255 ; iii) 计算出图像X、Υ的结构相似指数:
其中,Xi,yi分别为参考图X、失真图Y在第i个窗口的图像内容; 所述的原图特征值SD_?(X):
其中,t = {i,e}是指图像的内部图像块与外部图像块,μ x(d)由第二步中的Fw滤波 获得; 所述的原图特征值SDv,t,N(X):
其中,t= {i,e}是指图像的内部图像块与外部图像块,@(d)由第二步中的F。滤波获 得。
5. 根据权利要求3所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第四步中,所述的Fw滤波与F。滤波与第二步中的相同。
6. 根据权利要求4所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第五步中,所述的结构相似指数计算方式与第三步中的相同; 所述的失真图特征值SD^.JY):
其中,t = {i,e}是指图像的内部图像块与外部图像块,μγ((1)由第二步中的Fw滤波 获得; 所述的失真图特征值SDv,t,N(Y):
其中,t= {i,e}是指图像的内部图像块与外部图像珙
由第二步中的F。滤波获 得。
7. 根据权利要求1所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第六步中,所述的原图X各项特征值与失真图Y相应特征值之差:
其中,s = {m,v}是指图像Fw滤波与F。滤波后图像,t = {i,e}是指图像的内部图像 块与外部图像块。
8. 根据权利要求1所述的一种基于结构降化模型的半参考图像质量评价方法,其特征 在于,第七步中,所述的非线性变换:
其中,s = {m,v}、t = {i,e}、p = {1,h},s = {m,v}中 m、v 分别是指图像 Fy 滤波与 F。滤波后图像,t= {i,e}中的i、e是指图像的内部图像块与外部图像块,at,p、i3s, t,p、 Ys,t,P、5^!>与es, t,p为模型参数由训练获得; 士 toKI俺庙县士&米fr cniu .
S = {m,v}是指图像Fw滤波与F。滤波后图像,t = {i,e}是指图像的内部图像块与 外部图像块。
【文档编号】G06T7/00GK104112272SQ201410317455
【公开日】2014年10月22日 申请日期:2014年7月4日 优先权日:2014年7月4日
【发明者】顾锞, 翟广涛, 许祺, 杨小康 申请人:上海交通大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1