基于条件直方图码书的盲图像质量评价方法
【技术领域】
[0001] 本发明涉及盲图像质量评价领域，尤其涉及一种基于条件直方图码书的盲图像质 量评价方法。
【背景技术】
[0002] 图像质量是评价图像视频处理系统及算法性能的主要指标，因此对图像质量评价 (Image Quality Assessment，IQA)方法的研宄非常重要且具有广泛的前景。图像质量评价 (Image Quality Assessment，IQA)方法致力于研宄如何用客观指标评价图像的感知质量， 使其与图像主观得分高度一致。在图像去噪、图像恢复、图像增强等领域，IQA指标可以作为 各算法性能比较、参数选择的依据；在图像编码与通信领域，IQA指标可以用来指导整个图 像压缩、传输、接收过程，并评估不同算法及系统性能；在网络传输质量监控领域，IQA指标 可以取代人工操作，实现自动化实时监控；此外，IQA在图像处理算法优化、生物特征识别、 医学图像压缩等众多学科领域都具有潜在的实用价值。
[0003] 绝大部分应用场合中，需要对失真图像进行质量评估。根据其原始图像信 息是否完备，可将IQA算法分为三类：全参考型（Full-Reference，FR)、部分参考型 (Reduced_Reference，RR)和无参考型（No_Reference，NR)IQA。其中，NR IQA 是最具挑 战性的质量评价任务。鉴于其在数字通信及传输质量监控等领域不可替代的重要作用， VQEG(Video Quality Experts Group)组织已将NR IQA标准化工作列为其未来重要发展方 向之一。
[0004] 根据评价图像的失真类型范围不同，NR IQA算法又可分为针对单一失真和针对通 用失真两种类型。其中，前者主要包括对JPEG压缩图像、JPEG2000压缩图像以及模糊图像 质量的预测；而后者由于无法获知有关图像失真（包括失真类型）的任何信息，也被称为盲 图像质量评价（Blind Image Quality Assessment, BIQA)〇
[0005] -般来说，性能优良的图像质量客观评价算法应该具备以下三个特性：（1)准确 性：客观评价值与主观评价值之间差异较小；(2)单调性：客观评价值随主观评价值增减而 增减；（3) -致性：客观评价算法在测试集上展现的性能与其在训练集上表现出的性能相 似。常用的衡量算法性能的定量指标有：
[0006] 1)线性相关系数（Linear Correlation Coefficient, LCC):
【主权项】
1. 一种基于条件直方图码书的盲图像质量评价方法，其特征在于，包括如下步骤： Sl:对失真图像进行特征提取，以获得所述失真图像的相邻DNT系数联合条件直方图， 所述失真图像包括训练用失真图像和待评估失真图像； S2:将所述相邻DNT系数联合条件直方图中各曲线首尾相连，以获得所述失真图像的 高维特征矢量； S3 :对预设数据库中所有所述训练用失真图像的高维特征矢量进行聚类，以获得基于 聚类的条件直方图码书和所述条件直方图码书中所有码字； S4:在所述条件直方图码书所有码字中寻找与所述待评估失真图像的高维特征矢量相 匹配的匹配码字； S5:根据所述匹配码字，计算所述待评估失真图像的质量评价指标。
2. 根据权利要求1所述的基于条件直方图码书的盲图像质量评价方法，其特征在于， 所述步骤Sl包括如下步骤： S11:对所述失真图像进行小波分解，以获得多尺度多方向的小波分解子带； S12:对所述多尺度多方向小波分解子带进行DNT变换，以获得联合直方图； S13:对所述联合直方图中各联合条件直方图进行归一化处理，以获得归一化的相邻 DNT系数联合条件直方图。
3. 根据权利要求2所述的基于条件直方图码书的盲图像质量评价方法，其特征在于， 所述步骤S3包括如下步骤： S31:选择预设数据库作为码书生成库； S32:将所述码书生成库中的失真图像主观评价分均分成L个主观评分等级，在各主观 评分等级内采用聚类方法对所述训练用失真图像的高维特征矢量分别聚类，预设每一主观 评分等级的聚类中心为K个，以获取所述训练用失真图像的基于聚类的条件直方图码书； S33:在所述条件直方图码书中获取所有所述聚类中心，所述聚类中心为所述训练用失 真图像的码字，所述码字根据如下条件确定：
式（14)中：min(·)是指求最小值，πι1Λ是指所述条件直方图码书中第1等级的第k个 码字，K是指每一主观评分等级的码字数目，^是指所述训练用失真图像的第i个高维特征 矢量，Glik是指所述训练用失真图像的第1等级、第k个码字的高维特征矢量集合，I I · I I 2 是指欧氏距离。
4. 根据权利要求3所述的基于条件直方图码书的盲图像质量评价方法，其特征在于， 所述聚类方法包括先降维再K-means聚类的谱聚类方法。
5. 根据权利要求3所述的基于条件直方图码书的盲图像质量评价方法，其特征在于， 所述步骤S4包括如下步骤： S41:计算所述待评估失真图像的高维特征矢量与所述条件直方图码书所有码字的欧 式距离： di；i；k= I |y i-m1；k| |2, i = I, 2,. . . ,M, I = I, 2,. . . , L, k = I, 2,. . . , K (15) 式（15)中：5^是指所述待评估失真图像的第i个高维特征矢量，m 1Λ是指所述条件直 方图码书中第1等级的第k个码字，diak是指所述待评估失真图像的第i个高维特征矢量 Yi与所述条件直方图码书第1等级的第k个码字m u的欧氏距离；M是指所述待评估失真 图像高维特征矢量数目； S42:在所述条件直方图码书每一主观评分等级内，分别选取与所述待评估失真图像的 第i个高维特征矢量最接近的码字作为与所述待评估失真图像的高维特征矢量相匹配的 匹配码字。
6. 根据权利要求1所述的基于条件直方图码书的盲图像质量评价方法，其特征在于， 所述步骤S5包括如下步骤： S51 :计算所述待评估失真图像的高维特征矢量与所述匹配码字的欧式距离： du= min(d u，k), k = 1，2, . . .，K，其中，(Iia是指所述待评估失真图像的第i个高维特 征矢量与第1主观评分等级相匹配的匹配码字的欧氏距离； S52:根据所述待评估失真图像的高维特征矢量与所述匹配码字的欧式距离计算所述 待评估失真图像中每一高维特征矢量的质量评分：
式（16)中：?是指所述待评估失真图像的第i个高维特征矢量对应的质量评分，L是 指主观评分等级数目，〇1是指第1主观评分等级对应的图像主观评分，d u是指第i个高维 特征矢量与第1主观评分等级匹配的匹配码字的欧氏距离，λ是指衰减速度的权重系数； S53:计算所述高维特征矢量的质量评分的平均值作为所述待评估失真图像的质量评 价指标，所述待评估失真图像的质量评价指标：
式（17)中：q是指失真图像的质量评价指标，M是指所述待评估失真图像高维特征矢量 数目。
7. 根据权利要求1-6任一项所述的基于条件直方图码书的盲图像质量评价方法，其特 征在于，所述预设数据库包括LIVE数据库、CSIQ数据库和TID2008数据库中的一种或多种。
【专利摘要】本发明公开了一种基于条件直方图码书的盲图像质量评价方法，该方法包括如下步骤：对失真图像进行特征提取，以获得失真图像的相邻DNT系数联合条件直方图，失真图像包括训练用失真图像和待评估失真图像；将相邻DNT系数联合条件直方图中各曲线首尾相连，以获得失真图像的高维特征矢量；对预设数据库中所有训练用失真图像的高维特征矢量进行聚类，以获得基于聚类的条件直方图码书和条件直方图码书中所有码字；在条件直方图码书所有码字中寻找与待评估失真图像的高维特征矢量相匹配的匹配码字；根据匹配码字,计算待评估失真图像的质量评价指标。本发明对相邻DNT系数联合条件直方图统计独立性程度的描述方式更为细腻，其算出的图像质量评价指标更加准确。
【IPC分类】G06T7-00
【公开号】CN104751456
【申请号】CN201510111983
【发明人】储颖
【申请人】深圳大学
【公开日】2015年7月1日
【申请日】2015年3月13日