国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量客觀評價(jià)方法

      文檔序號:6508326閱讀:442來源:國知局
      專利名稱:一種基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量客觀評價(jià)方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域,尤其涉及一種基于像素類型的梯度結(jié)構(gòu)類 似性圖像質(zhì)量客觀評價(jià)方法。
      背景技術(shù)
      圖像是用各種觀測系統(tǒng)以不同形式和手段觀測客觀世界而獲得的,可以直接或間 接作用于人眼并進(jìn)而產(chǎn)生視覺的實(shí)體。人類從外界獲得的信息約有75%是從圖像中獲得 的,這既說明圖像信息量巨大,也表明人類對圖像信息有較高的利用率。隨著信號處理理 論和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展,圖像工程也成為一門內(nèi)容豐富且發(fā)展迅速的學(xué)科。一個(gè)圖像 (處理和分析)系統(tǒng)包括圖像的采集、顯示、存儲、通信、處理和分析。它廣泛地應(yīng)用于國民 經(jīng)濟(jì)中的各個(gè)領(lǐng)域,如科學(xué)研究、工業(yè)生產(chǎn)、醫(yī)療衛(wèi)生、教育、娛樂、管理和通信等領(lǐng)域,對 推動社會發(fā)展,改善人們生活水平都起到重要的作用。在數(shù)字圖像處理的各種技術(shù)中數(shù)字圖像在獲取、壓縮、儲存、傳輸和重建處理等過 程中可能會受到各種各樣的失真,不可避免地出現(xiàn)圖像質(zhì)量退化的問題。如何有效地評價(jià) 圖像質(zhì)量的問題成為了一個(gè)重要的研究課題,對現(xiàn)實(shí)的意義巨大。最佳的圖像質(zhì)量評價(jià)方式自然是人眼的主觀評價(jià)。但是一旦有人參與,這種方法 便受到評價(jià)者自身能力、觀察環(huán)境以及觀測者的心理因素等影響,另外,主觀評價(jià)比較耗 時(shí)、復(fù)雜,并且比較昂貴,在工程應(yīng)用中難以較好地運(yùn)用。而客觀評價(jià)方法的目標(biāo)是自動化 地獲取圖像質(zhì)量的量化指標(biāo),由于其客觀性、快速性等特點(diǎn)決定了它在實(shí)際應(yīng)用中有著巨 大的價(jià)值。圖像質(zhì)量客觀評價(jià)方法在定義上來講簡單易行,能較好確定圖像之間的差別,但 是一般的模型難以與人的視覺系統(tǒng)相媲美,無法考慮到很多人眼視覺系統(tǒng)的因素,這也是 導(dǎo)致客觀評價(jià)方法的評價(jià)結(jié)果很多時(shí)候無法與人眼主觀評價(jià)的結(jié)果相吻合。如何建立更符 合人眼視覺系統(tǒng)的圖像質(zhì)量客觀評價(jià)方法也是目前圖像處理界的難題之一。目前最為常用的客觀評價(jià)方法如均方無差(Mean Square Error :MSE)、峰值信噪 比(Peak Signal to Noise ratio :PSNR)、信噪比(Signal-to-NoiseRatio :SNR)等。這些 是全參考型的圖像質(zhì)量評價(jià)手段,對尺寸為M、N的圖像f(m,η),MSE與PSNR定義為
      權(quán)利要求
      一種基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量客觀評價(jià)方法,包括(1)采用Canny方法計(jì)算參考圖I的梯度GI(x,y),并同時(shí)得到兩個(gè)表征圖像梯度值強(qiáng)弱邊界的閾值t1與t2,其中t1>t2;同樣用Canny方法得到評價(jià)圖f的梯度Gf(x,y);通過分析GI(x,y)、Gf(x,y)中各個(gè)像素與閾值t1、t2的關(guān)系,將圖像中的每個(gè)像素位置分別劃分為邊緣、紋理和平坦三個(gè)區(qū)域類型;建立不同像素區(qū)域類型不同權(quán)重的信息圖RWM(x,y),該圖對應(yīng)邊緣區(qū)域類型像素位置處的權(quán)重值為R1,紋理區(qū)域類型的對應(yīng)像素位置處的權(quán)重值分別為R2,平坦區(qū)域類型的對應(yīng)像素位置處的權(quán)重值為R3,其中R1+R2+R3=1;(2)對參考圖I、評價(jià)圖f在亮度、對比度以及梯度類似性進(jìn)行比較,得到質(zhì)量評價(jià)指標(biāo)亮度指標(biāo)l(x,y)、對比度指標(biāo)c(x,y)以及梯度類似性指標(biāo)g(x,y),其中,亮度指標(biāo)l(x,y)、對比度指標(biāo)c(x,y)以及梯度類似性指標(biāo)g(x,y)的計(jì)算公式如下 <mrow><mi>l</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>&mu;</mi> </mrow> <mi>I</mi></msub><msub> <mi>&mu;</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow> <mrow><msup> <msub><mi>&mu;</mi><mi>I</mi> </msub> <mn>2</mn></msup><mo>+</mo><msup> <msub><mi>&mu;</mi><mi>f</mi> </msub> <mn>2</mn></msup><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow></mfrac> </mrow> <mrow><mi>c</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>&sigma;</mi> </mrow> <mi>I</mi></msub><msub> <mi>&sigma;</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow> <mrow><msup> <msub><mi>&sigma;</mi><mi>I</mi> </msub> <mn>2</mn></msup><mo>+</mo><msup> <msub><mi>&sigma;</mi><mi>f</mi> </msub> <mn>2</mn></msup><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow></mfrac> </mrow> <mrow><mi>g</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>G</mi> </mrow> <mi>I</mi></msub><msub> <mi>G</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow> <mrow><msub> <mi>G</mi> <msup><mi>I</mi><mn>2</mn> </msup></msub><mo>+</mo><msub> <mi>G</mi> <msup><mi>f</mi><mn>2</mn> </msup></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow></mfrac> </mrow>上式中μI為參考圖I的局部均值,μf為評價(jià)圖f的局部均值,σI為參考圖I的局部方差與,σf為評價(jià)圖f的局部方差,C1、C2與C3為大于0且小于1的常數(shù);將上述亮度指標(biāo)l(x,y)、對比度指標(biāo)c(x,y)以及梯度類似性指標(biāo)g(x,y)代入梯度結(jié)構(gòu)類似性指標(biāo)式中,其中梯度結(jié)構(gòu)類似性指標(biāo)式為 <mrow><mi>GSSIM</mi><mo>=</mo><mi>l</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow><mi>c</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow><mi>g</mi><mrow> <mo>(</mo> <mi>I</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo></mrow> </mrow> <mrow><mo>=</mo><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>&mu;</mi> </mrow> <mi>I</mi></msub><msub> <mi>&mu;</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow> <mrow><msup> <msub><mi>&mu;</mi><mi>I</mi> </msub> <mn>2</mn></msup><mo>+</mo><msup> <msub><mi>&mu;</mi><mi>f</mi> </msub> <mn>2</mn></msup><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow></mfrac><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>&sigma;</mi> </mrow> <mi>I</mi></msub><msub> <mi>&sigma;</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow> <mrow><msup> <msub><mi>&sigma;</mi><mi>I</mi> </msub> <mn>2</mn></msup><mo>+</mo><msup> <msub><mi>&sigma;</mi><mi>f</mi> </msub> <mn>2</mn></msup><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow></mfrac><mfrac> <mrow><msub> <mrow><mn>2</mn><mi>G</mi> </mrow> <mi>I</mi></msub><msub> <mi>G</mi> <mi>f</mi></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow> <mrow><msub> <mi>G</mi> <msup><mi>I</mi><mn>2</mn> </msup></msub><mo>+</mo><msub> <mi>G</mi> <msup><mi>f</mi><mn>2</mn> </msup></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow></mfrac> </mrow>(3)利用步驟(1)與(2)中得到的RWM與GSSIM為兩個(gè)圖像數(shù)據(jù)矩陣,將兩個(gè)圖像數(shù)據(jù)矩陣中每一相互對應(yīng)的點(diǎn)相乘得到評價(jià)指標(biāo)W GSSIM=RWM·GSSIMW GSSIM為映射成的不同像素區(qū)域不同權(quán)重的退化信息索引圖,求取該圖的均值,利用該均值評價(jià)評價(jià)圖的圖像質(zhì)量。
      2.根據(jù)權(quán)利要求1所述的基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量客觀評價(jià)方法,其特征 在于,所述的步驟(1)中圖像中任意像素點(diǎn)(X,y)劃分為邊緣、紋理、平坦區(qū)域類型的具體 方法如下采用Carmy算法在計(jì)算參考圖I的梯度G1Ud)的同時(shí)得到表征圖像梯度值強(qiáng)弱邊界 的閾值tl與t2,且tl > t2,強(qiáng)邊緣位置的梯度值> tl,弱邊緣位置的梯度值< t2,并按照 如下規(guī)則判定如果G1(Ly) >tl,或者Gf(x,y) >tl,則將像素點(diǎn)(x, y)判定為邊緣區(qū)域類型;如果G1(Ly) <12,并且&(1,7) <t2,則將像素點(diǎn)(x, y)判定為平坦區(qū)域類型;如果(X,y)同時(shí)不符合規(guī)則1與規(guī)則2,則將像素點(diǎn)(X,y)判定為紋理區(qū)域類型。
      3.根據(jù)權(quán)利要求1所述的基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量客觀評價(jià)方法,其特征 在于,所述的步驟⑵中所述相關(guān)變量μ、σ和G的具體求取方法如下先通過一個(gè)NXN的中心對稱高斯加權(quán)窗W,在相應(yīng)圖像上逐點(diǎn)計(jì)算以該點(diǎn)為中心的鄰 域圖像塊的μ、σ禾口 G .
      全文摘要
      本發(fā)明公開了一種基于像素類型的結(jié)構(gòu)類似性圖像質(zhì)量評價(jià)方法,包括(1)采用Canny方法計(jì)算參考圖和評價(jià)圖的梯度,并同時(shí)得到兩個(gè)表征圖像梯度值強(qiáng)弱邊界的閾值,將圖像中的每個(gè)像素位置分別劃分為邊緣、紋理和平坦三個(gè)區(qū)域類型,建立不同像素區(qū)域類型不同權(quán)重的信息圖RWM;(2)對參考圖、評價(jià)圖在亮度、對比度以及梯度結(jié)構(gòu)類似性進(jìn)行比較,得到梯度結(jié)構(gòu)類似性指標(biāo)GSSIM;(3)將步驟(1)與(2)中得到的RWM與GSSIM點(diǎn)乘得到不同像素區(qū)域不同權(quán)重的退化信息索引圖,求取該圖的均值得到評價(jià)圖像質(zhì)量的評價(jià)值。上述方法可廣泛應(yīng)用于圖像處理的各個(gè)階段,并能迅速給出衡量圖像質(zhì)量的具體指標(biāo)值,準(zhǔn)確度高,實(shí)用性強(qiáng)。
      文檔編號G06T7/00GK101976444SQ20101053978
      公開日2011年2月16日 申請日期2010年11月11日 優(yōu)先權(quán)日2010年11月11日
      發(fā)明者馮華君, 徐之海, 李奇, 趙巨峰 申請人:浙江大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1