基于梯度的彩色图像质量评价方法
【专利摘要】本发明公开了一种基于梯度的彩色图像质量评价方法，主要解决当前图像质量评价方法中对彩色图像颜色失真评价效果不佳的问题。其包括：1)利用S?CIELAB色貌模型分别对原始图像和失真图像进行颜色感知变换，将这两种图像分别分解为一个亮度通道和两个色度通道；2)利用线性卷积滤波对每一个通道进行梯度计算，获得原始图像和失真图像的亮度边缘和色度边缘；3)计算原始图像与失真图像之间的亮度边缘差异和色度边缘差异；4)将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM。本发明能够更有效、更准确地对彩色图像进行质量评价，可用于彩色图像压缩、存储、传输过程中对彩色图像的处理。
【专利说明】
基于梯度的彩色图像质量评价方法
技术领域
[0001] 本发明属于图像处理技术领域，特别是一种彩色图像质量评价方法，可用于彩色 图像压缩、存储、传输过程中对彩色图像的处理。
【背景技术】
[0002] 随着彩色成像技术的快速发展，彩色数字图像已被大规模应用于数据可视化领域 中。与灰度图像相比，彩色图像包含了更高的信息层次，它能够真实而生动的描述客观世 界。但对彩色图像进行数字化处理时，比如在信息采集、变换处理、压缩存储、信道传输、终 端显示等过程中，无法避免的会引入一些失真，导致图像的颜色信息发生畸变或丢失等现 象，使彩色图像的质量发生不同程度的下降。降质会导致彩色图像出现物体间颜色杂糅、物 体边缘色彩块状模糊化等现象，难以从图像中获取有效信息，这对人们认识客观世界带来 了很大的困扰，也为后续的彩色图像处理系统和分析带来了障碍。因此需要设计合理的彩 色图像质量评价算法。
[0003] 现有的图像质量评价算法多数是针对于灰度图像而设计的，即先将彩色图像从 RGB空间变换到灰度域后再进行评测。由于灰度图像的像素点由标量表示，而彩色图像的像 素点是用矢量来表示，如果将这类算法应用于彩色失真图像，则忽略了图像里的颜色分量 信息，得到的评价结果与主观感知一致性较差。研究表明，在一个人观察一幅图像的初期， 人眼接收到的视觉信息80%为图像的颜色信息，即使在观察几分钟之后，这个百分比也可 以保持在50%左右。由此可见，色彩信息在人类感知图像的过程中扮演着重要的角色。因 此，需要在图像质量评价中考虑到颜色对于图像失真的影响。由于色彩变化的多样性和人 类视觉对颜色感知的复杂性，这使得对彩色图像质量的量化评价更加困难，针对图像色彩 失真特点设计可适用于彩色图像的质量评价方法是十分必要的。
[0004] Wang等人分析了图像RGB通道的局部方差变量，先利用其概率分布构造四元数的 系数，再根据四元数矩阵表征图像的结构信息，最后对矩阵进行分解，将奇异值间的相似性 作为评价测度。此类方法考虑到了各个彩色分量之间的关系，但在由亮度漂移和对比度变 化引起的颜色失真类型上结果比较差。
[0005] Xie等人从人类对图像质量的感知主要与图像的亮度、信息量、对比度和噪声有关 这一角度出发，提取了三个通道的相关特征，综合融合后得到最终测度。此方法用到的特征 主要还是由图像的亮度信息构成，并没有从色彩本身提取特征，并且此方法适用的失真范 围有限，只适用于评价加噪和模糊图像。由此可见，现行的大多数彩色图像质量评价方法在 性能指标上与实际使用需求仍有较大距离。
【发明内容】
[0006] 本发明的目的在于针对当前图像质量评价方法中对彩色图像颜色失真评价效果 不佳的问题，提出了一种基于梯度的彩色图像质量评价方法，以更有效、更准确地对彩色图 像进行质量评价，满足更多彩色图像的使用需求。
[0007] 实现本发明目的的技术方案是:将图像的亮度边缘和色度边缘相结合来表征图像 失真程度，即根据彩色图像的边缘信息对失真变化敏感，基于梯度特性提取每个通道亮度 边缘和色度边缘，再通过参考图像和失真图像边缘差异和差异融合，对彩色图像进行质量 评价。
[0008] 其实现步骤包括如下：
[0009] (1)利用国际照明委员会CIE提出的S-CIELAB色貌模型分别对原始图像R和失真图 像D进行颜色感知变换，将这两种图像分别分解为一个亮度通道L和两个色度通道(a，b)，其 中，L表示颜色的亮度，a通道的颜色是从红色到深绿，b通道的颜色是从黄色到蓝色；
[0010] (2)利用线性卷积滤波对每一个通道进行梯度计算，获得原始图像和失真图像的 亮度边缘和色度边缘：
[0011]
[0012]
[0013]
[0014]
[0015]
[0016]
[0017] 其中，X表示滤波器的水平方向，y表示滤波器垂直方向，Lr表示原始图像R的亮度 通道，Ld表示失真图像D的亮度通道，表示原始图像亮度通道的梯度幅度，表 示失真图像亮度通道的梯度幅度;a R表示原始图像R中红色到深绿的颜色，aD表示失真图像D 中红色到深绿的颜色，K(W)，分别表示原始图像和失真图像中a色度通道的梯度 幅度；bR表示原始图像R中黄色到蓝色的颜色，b D表示失真图像D中黄色到蓝色的颜色， 上J)分别表示原始图像和失真图像中b色度通道的梯度幅度；
[0018] (3)计算原始图像与失真图像之间的边缘差异参数：
[0019] 〇3a)利用结构相似度算法SS頂中亮5
[0020] 相似度评价指标
[0021] 推导出原始图像与失真图像亮度通道像素点之间的亮度边缘差异DMl，其中，x，y 分别代表原始图像块和失真图像块，μχ，μγ*别代表原始图像块和失真图像块的均值，C1S 常量；
[0022] (3b)比较原始图像与失真图像像素点之间红色到深绿的颜色差异，推导出二者的 a色度边缘差异DMa;
[0023] (3c)比较原始图像与失真图像像素点之间黄色到蓝色的颜色差异，推导出二者的 b色度边缘差异DMb;
[0024] (4)将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM:
[0025]
[0026]其中，i = 1，2，3N，N为图像内所有像素点的数量，ω :，ω 2，ω 3分别代表亮度通道，a 色度通道，b色度通道对失真感知影响的权重参数，CGBM结果值的范围为[0，1]，结果越接近 1代表图像的质量越好。
[0027]本发明具有如下优点：
[0028] 1)本发明与其它方法相比，在彩色图像质量评价准确度上有较明显的改进，适用 于更多类型的颜色失真，而且取得了与主观评价结果较一致的结果。
[0029] 2)本发明由于把图像通过色貌模型变换到合适的颜色空间，与其它方法先将彩色 图像的R，G，B色彩通道分别利用灰度域图像的某一质量评价算法进行计算，再把R，G，B通道 的结果进行线性叠加的方式相比，更加准确的描述了图像的亮度与色度属性，更具有合理 性。
[0030] 3)本发明利用色度边缘差异对彩色图像进行质量评价，很好的克服了传统方法中 将彩色图像变换到灰度域进行质量评价时丢失大量颜色信息的问题。实验结果表明，本发 明对于颜色部分差异的计算是有效的。
【附图说明】
[0031] 图1是本发明的实现流程图；
[0032]图2是本发明在TID2013数据库上选取的8种不同类型的颜色失真图像；
[0033]图3是利用本发明求得的图像质量Q与失真图像MOS值的拟合图；
【具体实施方式】
[0034]参照图1，本发明的实现步骤如下：
[0035]步骤1.利用S-CIELAB色貌模型对图像进行颜色感知变换。
[0036]人眼视觉系统对颜色的感知会随着照明条件、观测距离、观测设备等环境因素的 不同而发生变化。如果将两个相同的颜色置于不同的观察条件下，人眼视觉系统对这两个 颜色的感知是不一样的。因此，在对彩色图像进行处理之前，需要对原始图像图像和失真图 像进行感知变换来消除不同的观测条件对于颜色感知的影响。
[0037]本实例选取了S-CIELAB色貌模型，将原始图像与失真图像进变换到LAB2000HL空 间，此空间用色差公式计算出的结果与人眼感知的颜色差异匹配度比其他颜色空间高，能 较好的模拟视觉感知特性，更准确的描述颜色的色度、色相等属性，是个感知均匀的颜色空 间。
[0038] 步骤2.利用线性卷积滤波提取原始图像和失真图像的亮度边缘和色度边缘。
[0039] 对于彩色图像，传统的基于图像亮度进行边缘提取的方法是不充分的，本实例利 用颜色感知变换模型将原始图像和失真图像分别分解为一个亮度通道L和两个色度通道 (a，b)，其中，L表示颜色的亮度，a通道的颜色是从红色到深绿，b通道的颜色是从黄色到蓝 色；
[0040] 利用线性卷积滤波对每一个通道进行梯度计算：
[0041]
[0042]
[0043]
[0044]
[0045]
[0046]
[0047] 其中，x表示滤波器的水平方向，y表示滤波器垂直方向，Lr表示原始图像R的亮度 通道，Ld表示失真图像D的亮度通道，表示原始图像亮度通道的梯度幅度，g(x.jr)表 示失真图像亮度通道的梯度幅度;a R表示原始图像R中红色到深绿的颜色，aD表示失真图像D 中红色到深绿的颜色，芯(x,.V)，g^(x,.V)分别表示原始图像和失真图像中a色度通道的梯度 幅度；bR表示原始图像R中黄色到蓝色的颜色，b D表示失真图像D中黄色到蓝色的颜色， g:iUV·)，g丨ΧΛ·,.ν)分别表示原始图像和失真图像中b色度通道的梯度幅度；
[0048] 通过对每一个通道进行梯度计算获得原始图像和失真图像的亮度边缘和色度边 缘。
[0049] 步骤3.计算原始图像与失真图像之间的边缘差异参数。
[0050] 3.1)计算原始图像与失真图像亮度通道像素点之间的亮度边缘差异DMu
[0051 ]利用结构相似度算法SS頂中亮度相似度评价指I
[0052] 推导出原始图像与失真图像亮度通道像素点之间的亮度边缘差异DMu
[0053]
[0054]其中，x，y分别代表原始图像块和失真图像块，μχ，μγ分别代表原始图像块和失真图 像块的均值，&为常量，m = 150用于调整DMl的大小；
[0055] 3.2)计算原始图像和失真图像的a色度边缘差异DMjPb色度边缘差异DMb:
[0056] SSIM算法中亮度相似度评价指标是在线性亮度空间内计算差异，而在感知均匀的 彩色空间中，本实例米取Guha T等人在文献"Learning sparse models for image quality assessmen"中提出的差异度量方式计算始图像和失真图像的a色度边缘差异DMa 和b色度边缘差异DMb:
[0057]
[0058]
[0059] 其中nu，m2为取值很小的常数，以避免分母为零或接近零时造成的奇异性，在本发 明中取mi = 0.5，m2 = 0.5。
[0060] 步骤4 ·质量评价。
[0061] 将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM:
[0062]
[0063]其中，i = 1，2，3N，N为图像内所有像素点的数量，ω :，ω 2，ω 3分别代表亮度通道，a 色度通道，b色度通道对失真感知影响的权重参数，CGBM结果值的范围为[0，1]，结果越接近 1代表图像的质量越好。
[0064] 本发明的优点可通过以下实验进一步说明：
[0065] 1.评测条件：
[0066]使用了乌克兰航空航天大学的学者Nikolay Ponomarenko和其课题组建立的 TID2013图像库。此数据库是目前包含失真类别最多、图像数量最大的公开数据库，其在已 经得到了广泛应用的TID2008数据库的基础之上又增加了 7种新的失真类型，并对所有失真 类型的等级增加了 1级，因此该数据库包含了 24种失真类型，5个失真等级，共计3000幅失真 图像和25幅原始图像。
[0067]上述丰富的图像内容、全面的失真种类和大量的图像个数都使TID2013更适合进 行质量评价算法的验证，除此之外，选择此数据库的另一重要原因是它包含了多种对颜色 感知产生影响的失真类型。本发明选取了此数据库中8类关于颜色的失真类型，如表1所示。 [0068] 表1 TID2013数据库中8种彩色失真
[0070] 表1所示的这8类失真类型的图像如图2所示，其中图2a，2b，2c，2d，2e，2f，2g，2h，I 分别对应表1中的#2失真加噪，#7失真量化噪声，#10失真JPEG压缩，#16失真均值漂移，#17 失真对比度变化，#18失真颜色饱和度变化，#22失真颜色量化和#23失真色差和原始图像。 [0071] 2.仿真实验
[0072] 实验1，一致性验证。
[0073] 为了测试本发明提出的彩色图像质量客观评价结果与主观质量评价的一致性，选 取Pearson线性相关系数PLCC，反映客观评价方法预测的精确性，PLCC值越接近1，表示算法 准确度越高；
[0074] 将本发明与现有几种最新的彩色图像质量评价方法iCID，CID，QSSIM，S-SSM和 FS頂针对于彩色失真图像做对比实验。结果如表2。
[0075]表2本发明和其它算法在TID2013数据库上的CC值
[0077]从表2中可以看出，本发明在所有颜色失真类型上的结果都优于CID，QSSM，和S-SSIM算法。与iCID算法相比，本发明在6类失真上均取得了更高的PLCC值，尤其在Contrast change这类失真中优势明显。除此之外，本发明弥补了FSIM算法在Change of color saturation失真类型上的不足。综上所述，本发明在评价准确度上与对比方法相比有较明 显的改进，取得了与主观评价结果相一致的结果。
[0078] 实验2,合理性验证。
[0079]为了验证本发明的合理性，针对四种彩色失真，量化噪声(#7) JPEG压缩(#10)，图 像的颜色量化(#22)和色差(#23)设计实验进行分析和论证。在选取的实验数据里，共包括 有25幅原始图像和其对应的4种颜色失真类型，其中每种类型有5个失真程度依次增大的失 真图像。
[0080] 首先，对每一幅失真图像计算图像质量，再将属于同一失真类型同一个失真程度 的所有失真图像对应的Q值汇合并取其均值。同时，将属于同一失真类型同一失真程度的所 有图像的MOS值取均值，结果由图3所示。
[0081] 由图3可看出，客观质量评估结果Q随着图像失真程度的降低而增大，本发明的预 测趋势与图像失真程度有很好的一致性，能有效检测出图像质量的变化，具有合理性。 [0082] 实验3,颜色有效性验证。
[0083]为了验证本发明中颜色部分在整体评价过程中的作用，将本发明中颜色通道a和b 的权重参数ω 2和ω 3设置为〇，即只利用本发明中的亮度部分进行质量评价，实验结果记为 CGBM*。将所得实验数据与利用本发明得到的实验数据CGBM进行比较。结果如表3。
[0084]表3不同失真程度集的MOS均值与评价结果(CGBM)均值
[0086]从表3可以看出，当把本发明中的颜色部分去除后，其实验结果在失真类型#2，# 10，#22和#23上与本发明结果几乎保持一致，而在#16，#17和#18这三种失真上的PLCC值大 幅下降，尤其是#17的结果仅为0.3,由此可见，算法内对于颜色部分差异的计算是有效的。
【主权项】
1. 一种基于梯度的彩色图像质量评价方法，包括： (1) 利用国际照明委员会CIE提出的S-CIELAB色貌模型分别对原始图像R和失真图像D 进行颜色感知变换，将运两种图像分别分解为一个亮度通道L和两个色度通道(a, b)，其中， L表示颜色的亮度，a通道的颜色是从红色到深绿，b通道的颜色是从黄色到蓝色； (2) 利用线性卷积滤波对每一个通道进行梯度计算，获得原始图像和失真图像的亮度 边缘和色度边缘：其中，X表示滤波器的水平方向，y表示滤波器垂直方向，Lr表示原始图像R的亮度通道， Ld表示失真图像D的亮度通道，放托_)，)表示原始图像亮度通道的梯度幅度，姑托y)表示失 真图像亮度通道的梯度幅度;3R表示原始图像R中红色到深绿的颜色，3D表示失真图像D中红 色到深绿的颜色，结知办，始耗為分别表示原始图像和失真图像中a色度通道的梯度幅 度；W表示原始图像R中黄色到蓝色的颜色，bD表示失真图像D中黄色到蓝色的颜色， 公,U，.v)，觀x，.v)分别表示原始图像和失真图像中b色度通道的梯度幅度； (3) 计算原始图像与失真图像之间的边缘差异参数： (3a)利用结构相似度算法SSIM中亮度相似度评价指标推导出原 始图像与失真图像亮度通道像素点之间的亮度边缘差异〇化，其中，x，y分别代表原始图像 块和失真图像块，μχ,μγ分别代表原始图像块和失真图像块的均值，Cl为常量； (3b)比较原始图像与失真图像像素点之间红色到深绿的颜色差异，推导出二者的a色 度边缘差异DMa; (3c)比较原始图像与失真图像像素点之间黄色到蓝色的颜色差异，推导出二者的b色 度边缘差异DMb; (4) 将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM:其中，i = 1,2,3 N，N为图像内所有像素点的数量，ωι，ω 2, ω 3分别代表亮度通道，a色 度通道，b色度通道对失真感知影响的权重参数，CGBM结果值的范围为[0，1]，结果越接近1 代表图像的质量越好。2. 根据权利要求1所述的方法，其中步骤(3a)中推导出的原始图像与失真图像亮度通 道像素点之间的亮度边缘差异DMl，表示如下：其中m = 150,用于调整DMl的大小。3. 根据权利要求1所述的方法，其中步骤(3b)中推导出的原始图像与失真图像像素点 之间的a色度边缘差异DMa，表示如下：其中mi = 0.5，W避免分母为零或接近零时造成的奇异性。4. 根据权利要求1所述的方法，其中步骤(3c)中推导出的原始图像与失真图像像素点 之间的b色度边缘差异DMb，表示如下：其中m2 = 0.5，W避免分母为零或接近零时造成的奇异性。
【文档编号】G06T7/00GK105844640SQ201610171818
【公开日】2016年8月10日
【申请日】2016年3月24日
【发明人】路文, 吝冰杰, 许天骄, 孙互兴, 何立火, 邓成, 王颖, 王斌
【申请人】西安电子科技大学