基于小波域的自適應(yīng)高頻濾波方法
【專利摘要】本發(fā)明提供了一種基于小波域的自適應(yīng)高頻濾波方法，首先利用小波變換對(duì)圖像進(jìn)行四層分解，得到十二條高頻子帶，并根據(jù)觀察距離和子帶層數(shù)對(duì)每條子帶系數(shù)給予不同權(quán)重；通過閾值比較，自適應(yīng)地對(duì)高頻子帶系數(shù)進(jìn)行濾除，并重構(gòu)出高頻濾除后的圖像。本發(fā)明考慮了觀察距離對(duì)人眼分辨率的影響，有效地模擬了人眼的實(shí)際機(jī)制。根據(jù)在LIVE，IVC以及Toyama-MICT三個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中的測(cè)試結(jié)果來看，本發(fā)明所述的方法有效地提升了峰值信噪比(PSNR)和結(jié)構(gòu)相似度(SSIM)質(zhì)量評(píng)價(jià)方法的性能，并為將來圖像質(zhì)量評(píng)價(jià)方法的提高開辟了一個(gè)方向。
【專利說明】基于小波域的自適應(yīng)高頻濾波方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種能夠有效提高圖像質(zhì)量評(píng)價(jià)精度的方法，具體地，涉及一種基于 小波域的的自適應(yīng)高頻濾波方法。

【背景技術(shù)】
[0002] 眾所周知，人眼視覺系統(tǒng)（HVS)具有多分辨率解析的能力。因此在客觀圖像質(zhì)量 評(píng)價(jià)（IQA)領(lǐng)域中，許多頂級(jí)方法，如：MS-SSM，IW-PSNR/SSIM都利用了多分辨率解析。它 們優(yōu)越的性能也顯示了多分辨率解析對(duì)于質(zhì)量評(píng)價(jià)方法的重大意義。然而在這些方法中， 分解層數(shù)往往一成不變，不能根據(jù)觀察距離等外部因素進(jìn)行自適應(yīng)地調(diào)整。
[0003] 考慮到這種狀況，Weisi Lin 等人在 2011 年《Journal of visual communication and image representation〉〉上發(fā)表了"Perceptual visual quality metrics:A survey，'。 它從經(jīng)驗(yàn)上提出了一個(gè)簡(jiǎn)單的尺度變換方法：Z = MAX (1，round (H/256))，然而這種方法沒 有考慮圖像寬度和觀察距離等外部因素的影響，不符合人眼的實(shí)際特性。


【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于小波域的的自適應(yīng)高頻濾 波方法，該方法根據(jù)觀察距離和圖像分解層數(shù)，自適應(yīng)地濾除高頻子帶，從而有效提高了 PSNR，SSM方法的質(zhì)量評(píng)價(jià)精度。
[0005] 為實(shí)現(xiàn)以上目的，本發(fā)明提供一種基于小波域的的自適應(yīng)高頻濾波方法，所述方 法首先利用小波變換對(duì)圖像進(jìn)行四層分解，得到十二條高頻子帶，并根據(jù)觀察距離和子帶 層數(shù)對(duì)每條子帶系數(shù)給予不同權(quán)重；再通過閾值比較自適應(yīng)地對(duì)高頻子帶系數(shù)進(jìn)行濾除， 并重構(gòu)出高頻濾除后的圖像。
[0006] 所述方法具體包括以下步驟：
[0007] 第一步、計(jì)算圖像X經(jīng)過小波變換后的十二條高頻子帶，記為（i，1);
[0008] 第二步、計(jì)算每條子帶的權(quán)重系數(shù)w(i，d，1);
[0009] 第三步、通過閾值比較，重構(gòu)出高頻濾除后的圖像XA ;
[0010] 第四步、分別計(jì)算出高頻濾波前后圖像Χ，γ ;XA，YA的峰值信噪比（PSNR)和結(jié)構(gòu)相 似度（SSIM)質(zhì)量評(píng)價(jià)分?jǐn)?shù)。
[0011] 本發(fā)明的原理是：由人眼視覺系統(tǒng)（HVS)的對(duì)比度敏感函數(shù)可知，人眼對(duì)視覺信 息的提取是一個(gè)低通濾波的過程。人眼提取信息量的多少則取決于圖像的尺寸以及觀察距 離。觀察距離越遠(yuǎn)，提取的信息越少。本發(fā)明考慮了觀察距離和圖像本身的影響，通過自適 應(yīng)高通濾波方法，模擬了人眼提取信息的過程。PSNR，SSM均證實(shí)了本發(fā)明能夠有效提高 圖像質(zhì)量評(píng)價(jià)方法的精度。
[0012] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0013] 本發(fā)明在不縮減圖像尺寸的情況下，直接地在圖像小波域上進(jìn)行高頻濾除，能夠 更精確地對(duì)圖像進(jìn)行自適應(yīng)調(diào)整。本發(fā)明考慮了觀察距離對(duì)人眼分辨率的影響，有效地模 擬了人眼的實(shí)際機(jī)制。根據(jù)在LIVE，IVC以及Toyama-MICT三個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中的測(cè)試結(jié)果 來看，本發(fā)明所述的方法有效地提升了峰值信噪比（PSNR)和結(jié)構(gòu)相似度（SSIM)質(zhì)量評(píng)價(jià) 方法的性能，并為將來圖像質(zhì)量評(píng)價(jià)方法的提高開辟了一個(gè)方向。

【專利附圖】

【附圖說明】
[0014] 通過閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點(diǎn)將會(huì)變得更明顯：
[0015] 圖1 (a)_圖1 (c)是本發(fā)明一實(shí)施例圖像小波分解示意圖；
[0016] 圖2中（a)-(d)是本發(fā)明一實(shí)施例在LIVE數(shù)據(jù)庫(kù)中，自適應(yīng)高頻濾波前后圖像X， Y ;XA，YA的PSNR，SSM質(zhì)量評(píng)價(jià)分?jǐn)?shù)與主觀評(píng)價(jià)值DM0S對(duì)比圖；
[0017] 圖3中（a)-(d)是本發(fā)明一實(shí)施例在IVC數(shù)據(jù)庫(kù)中，自適應(yīng)高頻濾波前后圖像X， Y ;XA，YA的PSNR，SSM質(zhì)量評(píng)價(jià)分?jǐn)?shù)與主觀評(píng)價(jià)值M0S對(duì)比圖；
[0018] 圖4中（a)-(d)是本發(fā)明一實(shí)施例在Toyama-MICT數(shù)據(jù)庫(kù)中，自適應(yīng)高頻濾波前 后圖像X，Y ;XA，YA的PSNR，SSM質(zhì)量評(píng)價(jià)分?jǐn)?shù)與主觀評(píng)價(jià)值M0S對(duì)比圖。

【具體實(shí)施方式】
[0019] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本發(fā)明 的保護(hù)范圍。
[0020] 本實(shí)施例提供一種基于小波域的的自適應(yīng)高頻濾波方法，具體包括以下步驟：
[0021] 第一步、計(jì)算圖像X經(jīng)過小波變換后的十二條高頻子帶，記為（i，1)，所述高頻子 帶（i，l)的示意圖如圖1(a)-圖1(c)所示：
[0022] i)小波變換基本原理
[0023] 設(shè)Ψ (t) e L2 (R)，若其傅里葉變換滿足可容許性條件：
[0024]

【權(quán)利要求】
1. 一種基于小波域的的自適應(yīng)高頻濾波方法，其特征在于，所述方法包括以下步驟： 第一步、計(jì)算圖像X經(jīng)過小波變換后的十二條高頻子帶，記為α，1); 第二步、計(jì)算每條子帶的權(quán)重系數(shù)w(i，d，1); 第三步、通過閾值比較，重構(gòu)出高頻濾除后的圖像XA ; 第四步、分別計(jì)算出高頻濾波前后圖像X，Y ;XA，YA的PSNR，SSIM質(zhì)量評(píng)價(jià)分?jǐn)?shù)。
2. 根據(jù)權(quán)利要求1所述的一種基于小波域的的自適應(yīng)高頻濾波方法，其特征在于所述 第一步，具體為： i) 小波變換基本原理 設(shè)ψ (t) e L2(R)，若其傅里葉變換滿足可容許性條件： i 產(chǎn)-<00 J ω ? R 則Ψ (t)為一個(gè)基本小波，將其伸縮和平移： 「⑴二的,(〒)， 則V。τ (t)稱為連續(xù)二進(jìn)小波變換，將其尺度進(jìn)行二進(jìn)制離散，得到： k ?r(t) = 2'，⑶， ▲ ，t jLi 則一維信號(hào)x(t)的離散小波變換定義為： DWTx(t) _(t) >- f.：v(t)27 ^(^)dt Ψ (t)代表小波基函數(shù)；τ代表小波基函數(shù)的平移量，取值范圍為非負(fù)數(shù)；k代表基函 數(shù)的伸縮量，取值范圍為正整數(shù)；DWT( ·)代表小波變換函數(shù)；R代表積分區(qū)間，取值范圍為 負(fù)無窮到正無窮； ii) 圖像的小波分解 當(dāng)尺度函數(shù)可分離時(shí)，依次對(duì)圖像的每一行，每一列做一維小波變換；一維小波變換便 直接推廣到二維小波變換；對(duì)于變換的每一層次，圖像都被分解為四個(gè)四分之一大小的圖 像，記為HH，LH，HL以及LL ;依此類推，對(duì)每一層次的LL圖像繼續(xù)進(jìn)行二維變換；一共進(jìn)行 四層； (i，1)表示按照上述步驟得到的小波分解子帶，其中： 1 e {1,2, 3,4} i e {LH, HL, HH} 〇
3. 根據(jù)權(quán)利要求2所述的一種基于小波域的的自適應(yīng)高頻濾波方法，其特征在于，第 二步中，所述的子帶權(quán)重系數(shù)w(i，d，1): -(i，d，l) = ·^ 2 // / g Z.// ον IIL· jt 中 h =， '、 1 ifi e HH 其中：i，1 由第一步得到，L = 4, a = 10, k = 10, d。= 512, t = 2 ; d代表相對(duì)于圖像的觀察距離，各個(gè)數(shù)據(jù)庫(kù)中d的取值有所差異。
4. 根據(jù)權(quán)利要求3所述的一種基于小波域的的自適應(yīng)高頻濾波方法，其特征在于，第 三步中：所述的高頻濾除后重構(gòu)圖像XA由子帶系數(shù)（1，1八經(jīng)小波重構(gòu)得到，其中（i，l) A 為： , 0 //'< thr I (i, 1) otheruise 其中：thr = 1。
5. 根據(jù)權(quán)利要求1-4任一項(xiàng)所述的一種基于小波域的的自適應(yīng)高頻濾波方法，其特征 在于，第四步中：圖像X，Y ;XA，YA的PSNR，SSM質(zhì)量評(píng)價(jià)分?jǐn)?shù)分別為： PSNR = PSNR(X, Y) PSNRa = PSNR(Xa, Ya) SSIM = SSIM(X, Y) SSMA = SSM(XA，YA)。
【文檔編號(hào)】G06T7/00GK104268868SQ201410490288
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月23日 優(yōu)先權(quán)日:2014年9月23日
【發(fā)明者】楊小康, 韓宗璽, 翟廣濤, 顧錁 申請(qǐng)人:上海交通大學(xué)