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)