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>

      一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法與流程

      文檔序號:11277295閱讀:595來源:國知局
      一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法與流程

      本發(fā)明涉及一種半?yún)⒖紙D像質(zhì)量評價方法,具體涉及一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法。



      背景技術(shù):

      圖像質(zhì)量評價(iqa)是圖像處理中的一個基本問題,是許多應(yīng)用的關(guān)鍵,如感知最佳編碼器設(shè)計、圖像通信和圖像恢復(fù)等。根據(jù)原始圖像的可用性,iqa可以分為三類:全參考iqa(fr-iqa),無參考iqa(nr-iqa)和半?yún)⒖糹qa(rr-iqa)。fr-iqa需要整個原始圖像,nr-iqa不需要原始圖像的任何信息,而rr-iqa需要原始圖像的部分信息。對于rr-iqa來說,度量的核心問題是特征提取。圖像的特征可以是局部的或全局的。全局特征描述整個圖像的視覺特征。例如,wang,z.,wu,g.,sheikh,h.r.,simoncelli,e.p.,etal.:’quality-awareimages’,ieeetrans.imageprocess,2006,15,(6),pp.1680–1689一文中,wnism方法是通過廣義高斯密度函數(shù)對可轉(zhuǎn)角金字塔系數(shù)的分布進行建模,將分布參數(shù)估計為圖像特征。為了進一步提高wnism的性能,li,q.,wang,z.:’reduced-referenceimagequalityassessmentusingdivisivenormalization-basedimagerepresentation’,ieeejournalofselectedtopicsinsignalprocessing,2009,3,(2),pp.202–211一文中引入了分解歸一化轉(zhuǎn)換,以消除系數(shù)相關(guān)。其它文獻中也使用類似的方法。由于人類視覺系統(tǒng)的多通道性質(zhì),還有人建議,使用基于圖像表示的幾何系數(shù)的歸一化直方圖。

      另一方面,局部特征描述了圖像小斑點的視覺特征。例如,基于信息理論,soundararajan提出的rred計算每個3×3塊的小波系數(shù)的局部熵作為圖像特征來測量圖像質(zhì)量。在文獻shnayderman,a.,gusev,a.,eskiciogl,a.:’ansvd-basedgray-scaleimagequalitymeasureforlocalandglobalassessment’,ieeetrans.imageprocess.,2006,15,(2),pp.422–429中,采用奇異值分解(svd)提取圖像8×8像素塊的奇異值作為圖像特征,以量化圖像質(zhì)量。從分形分析理論的角度,還有人提出了spcrm來測量參考圖像和失真圖像之間的相位一致性的局部規(guī)律性的差異。在文獻xu,y.,liu,d.,quan,y.,etal.:’fractalanalysisforreducedreferenceimagequalityassessment’,ieeetrans.imageprocess,2015,24,(7),pp.2098–2109中,根據(jù)人眼對不同頻帶的敏感度不同,每個頻帶的失真導(dǎo)致單個質(zhì)量下降,局部分形維數(shù)用于分別計算不同頻帶上的視覺信息降解以進行質(zhì)量評估。如我們所知,rr-iqa期望使用更少的參考圖像數(shù)據(jù)并實現(xiàn)更高的預(yù)測精度,因此這些方法的缺點是使用了參考信息的數(shù)量較多。

      雖然上述圖像全局特征在rr-iqa上實現(xiàn)了一些良好的性能,但仍然存在一些問題。一個問題是,rr-iqa度量使用的一些特征直接從圖像中提取出來,并沒有考慮到在人類視覺系統(tǒng)中不是所有的失真都是可區(qū)分的,例如srrm方法。另一個問題是,rr-iqa度量使用的某些圖像特征在不同的失真類型上并不是魯棒性的。它們對于共享相同失真類型的圖像性能良好,但是當涉及多種失真類型時,它們的評價效果不好,例如wnism。因此,需要提出一種在不同失真類型之間的一致性好的圖像評價方法。



      技術(shù)實現(xiàn)要素:

      本發(fā)明克服現(xiàn)有技術(shù)存在的不足,所要解決的技術(shù)問題為:提供一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法,以提高半?yún)⒖紙D像質(zhì)量評價的一致性。

      為了解決上述技術(shù)問題,本發(fā)明采用的技術(shù)方案為:一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法,其特征在于,包括以下步驟:s101、計算待評價圖像id的殘余譜規(guī)則性值rsr(id);s102、計算參考圖像ir的殘余譜規(guī)則性值rsr(ir);s103、計算待評價圖像與參考圖像的rsrm值,計算公式為:rsrm(ir,id)=||rsr(ir)-rsr(id)||1;s104、根據(jù)rsrm值大小來評價圖像質(zhì)量,rsrm值越小,說明圖像質(zhì)量越好;所述待評價圖像和參考圖像的殘余譜規(guī)則性值rsr的計算過程為:計算圖像i的梯度大小g(i);計算圖像i和g(i)的小波系數(shù){dwt(i),dwt(g(i))};計算小波系數(shù){dwt(i),dwt(g(i))}中各個組分的光譜殘差sr;計算小波系數(shù){dwt(i),dwt(g(i))}中各個組分的顯著值sm;通過分形維數(shù)對各個組分的顯著值進行編碼,得到各個組分的顯著值sm的殘余譜規(guī)則性值rsr,計算公式為rsr(i)={fd[sm(dwt(i),dwt(g(i))]}},所述dwt表示小波系數(shù),fd表示分形維數(shù)。

      小波系數(shù){dwt(i),dwt(g(i))}中各個組分的光譜殘差sr的計算公式為:式中,l(f)=log(a(f)),a(f)=abs(f(i(x))),a(f)表示圖像i的振幅譜,l(f)表示對數(shù)譜;hn表示頻域大小為n的平均濾波器,表示卷積運算,f表示傅里葉變換,x表示圖像空域,f表示圖像頻域。

      所述hn表示頻域大小為3的平均濾波器。

      小波系數(shù){dwt(i),dwt(g(i))}中各個組分的顯著值sm的計算公式為:式中,g(x)表示空間域中的二維高斯濾波器,f-1表示逆傅里葉變換,p(f)=angle(f(i(x))),表示圖像i的相位譜;所述表示卷積運算。

      所述梯度大小g(i)計算公式為:

      所述表示卷積運算,

      所述小波系數(shù)的計算公式為:

      式中,i表示圖像,x和y表示圖像坐標,表示daubechie小波函數(shù)中的“db2”小波,m和n表示小波尺度,i和j表示像素位置,m和n表示圖像的大小。

      本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果:本發(fā)明通過利用小波、光譜殘差和分形維數(shù)來對圖像質(zhì)量進行評價。小波旨在模擬人類視覺系統(tǒng)的多通道結(jié)構(gòu),sr可以指示圖像的顯著性,分形分析可以將sr編碼為圖像特征。首先通過小波變換提取圖像子帶;然后獲得sr以及sm以表示每個子帶的顯著性;然后用分形維數(shù)用于測量sm的不規(guī)則度;最后,所有計算的分形維數(shù)被連接成特征向量,通過比較待評價圖像的分形維數(shù)以及參考圖像的分型維數(shù),并進行一次范式求解,可以得到待評價圖像rsrm值,由于分形維數(shù)與人類視覺系統(tǒng)有很強的相關(guān)性,圖像結(jié)構(gòu)得到了很好的體現(xiàn),因此,本發(fā)明提出的rsrm圖像評價方法獲得的客觀得分與主觀評價的相關(guān)性更強,通過實驗證實了rsrm值與圖像質(zhì)量緊密相關(guān),并且,經(jīng)多個數(shù)據(jù)庫的plcc,srocc,krocc和rmse,mae值證實,rsrm要優(yōu)于其他評價方法,也就是說,本發(fā)明的評價方法,不僅性能指標的平均性能較好。并且,在不同失真類型之間的一致性也較好。

      附圖說明

      圖1為rsrm度量的srocc性能指標在四個數(shù)據(jù)庫(tid2013,tid2008,csiq和live)上的上的性能隨小波分解尺度參數(shù)的變化;

      圖2為不同類型的失真下,本發(fā)明提出的rsrm度量的客觀值與失真度的關(guān)系,圖中橫軸表示失真度,縱軸表示rsrm值,(1)表示高斯模糊,(2)表示高斯白噪聲,(3)表示jpeg壓縮(4)表示椒鹽噪聲(5)表示斑點噪聲;

      圖3~圖10為在csiq數(shù)據(jù)庫中,八種iqa度量在不同失真類型(awn、jpeg、jp2k、apn、gb、ctd)下的散點圖,圖中橫軸表示客觀值,縱軸表示主觀評價dmos值;其中,圖3表示rsrm度量,圖4表示wnism度量,圖5表示svd度量,圖6表示srrm度量,圖7表示spcrm度量,圖8表示ssrm度量,圖9表示ssim度量,圖10表示psnr度量;

      圖11表示tid2013數(shù)據(jù)庫中svd度量和rsrm度量的散點圖,圖中橫軸表示客觀值,縱軸表示主觀評價mos值,圖中,(1)~(3)表示svd度量在agn、scn、mn失真下的散點圖,(4)~(6)表示rsrm度量在agn、scn、mn失真下的散點圖,(7)~(9)表示svd度量在gb、cn、lcni失真下的散點圖,(10)~(11)表示rsrm度量在gb、cn、lcni失真下的散點圖。

      具體實施方式

      為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚,下面將對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述,顯然,所描述的實施例是本發(fā)明的一部分實施例,而不是全部的實施例;基于本發(fā)明中的實施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護的范圍。

      本發(fā)明提出了一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法,包括以下步驟:

      s101、計算待評價圖像id的殘余譜規(guī)則性值rsr(id);

      s102、計算參考圖像ir的殘余譜規(guī)則性值rsr(ir);

      s103、計算待評價圖像與參考圖像的rsrm(殘余譜規(guī)則相似度)值,計算公式為:

      rsrm(ir,id)=||rsr(ir)-rsr(id)||1;

      s104、根據(jù)rsrm值大小來評價圖像質(zhì)量,rsrm值越小,說明圖像質(zhì)量越好。

      其中,以圖像i為例,圖像i的rsr(殘余譜的規(guī)則性)值的計算過程具體為:

      (1)計算圖像i的梯度大小g(i);

      其中,梯度大小g(i)計算公式為:

      式(1-1)中,表示卷積運算,

      (2)計算圖像i和g(i)的小波系數(shù){dwt(i),dwt(g(i))};

      其中,小波系數(shù)dwt的計算公式為:

      式(2-1)中,i表示圖像,x和y表示圖像坐標,表示daubechie小波函數(shù)中的“db2”小波,m和n表示小波尺度,i和j表示像素位置,m和n表示圖像的大小。

      (3)計算小波系數(shù){dwt(i),dwt(g(i))}中各個組分的光譜殘差sr;

      其中,小波系數(shù){dwt(i),dwt(g(i))}中各個組分的光譜殘差sr的計算公式為:

      式(3-1)中,l(f)=log(a(f)),a(f)=abs(f(i(x))),表示圖像i的振幅譜,hn表示頻域大小為n的平均濾波器,表示卷積運算,f表示傅里葉變換,x表示圖像空域,f表示圖像頻域。傅里葉變換可以將圖像的空域表示轉(zhuǎn)換為頻域表示。

      (4)計算小波系數(shù){dwt(i),dwt(g(i))}中各個組分的顯著值sm;

      其中,小波系數(shù){dwt(i),dwt(g(i))}中各個組分的顯著值sm的計算公式為:

      式(4-1)中,g(x)表示空間域中的二維高斯濾波器,f-1表示逆傅里葉變換,p(f)=angle(f(i(x))),表示圖像i的相位譜;所述表示卷積運算。

      (5)通過分形維數(shù)對各個組分的顯著值進行編碼,得到各個組分的顯著值sm的殘余譜規(guī)則性值rsr,計算公式為:

      rsr={fd[sm(dwt(i),dwt(g(i))]}}(5-1)

      式(5-1)中,fd表示分形維數(shù),本發(fā)明實施例中,分形維數(shù)的計算采用差分盒維算法(dbc:differentialboxcounting),相對于其它算法,差分盒維算法具有準確、快速、有效的特點,dbc將大小為m×m的圖像i(x,y)看做3d點集{(x,y,z|z=i(x,y)},(x,y)表示平面位置,z表示灰度值。xy平面被分割成許多s×s的網(wǎng)格。在每個網(wǎng)格上,是一列s×s×h的盒子,h表示每個盒子的高度,滿足g/h=m/s,g表示圖像最大灰度值。設(shè)圖像灰度在第(i,j)網(wǎng)格中的最小值和最大值分別落在第k和第l個盒子中,則覆蓋第(i,j)網(wǎng)格中的圖像所需的盒子數(shù)為:nr(i,j)=l-k+1,而覆蓋整個圖像所需的盒子數(shù)則分形維數(shù)的理論值為但在數(shù)據(jù)處理過程中,一般是通過線性擬合求斜率來進行分形維數(shù)fd編碼。

      通過將rsrm應(yīng)用于四個最大的數(shù)據(jù)庫,我們發(fā)現(xiàn),當小波尺度大約為5時,會獲得更好的結(jié)果,如圖1所示,為四個數(shù)據(jù)庫中,srocc曲線與尺度的關(guān)系。因此,本發(fā)明中,設(shè)定5為尺度數(shù)量,從而rsr的特征長度是32維。更具體地說,對于rsr,我們在每個sr上只得到一個分形維數(shù)特征。由于小波分解的尺度為5(即j=5),所以存在32個小波系數(shù)矩陣,包括2個低通分量和30個高通分量。每個系數(shù)矩陣有一個sr,因此圖像特征為32×1=32維。編碼得到rsr對應(yīng)一個32維的特征向量。

      在實際的圖像評價過程中,一般是對客戶端的圖像進行評價,則待評價圖像為客戶端片源,服務(wù)器上片源作為參考圖像。

      步驟s103中,計算得到的rsrm值為一個具體數(shù)字,rsrm的值越小,表示圖像的質(zhì)量越好。

      為了驗證本發(fā)明提出的rsrm值對圖像評價的效果,我們計算了live數(shù)據(jù)庫中,所有圖像樣本的平均rsrm值,如圖2所示,當失真度增加時,預(yù)測的質(zhì)量值上升,說明本發(fā)明的評價方法預(yù)測符合圖像質(zhì)量。

      此外,發(fā)明人采用tid2013圖像數(shù)據(jù)庫,tid2008數(shù)據(jù)庫,csiq圖像數(shù)據(jù)庫和live圖像數(shù)據(jù)庫來評估提出的rsrm度量。表1列出了四個數(shù)據(jù)庫的簡要信息。共有6445個失真的圖像,每個圖像以(差)平均意見得分(dmos/mos)提供主觀評價。

      表1.四個圖像數(shù)據(jù)庫

      為了評估預(yù)測性能,發(fā)明人計算了rsrm度量的五個常用性能指標,分別為pearson線性相關(guān)系數(shù)(plcc),spearman秩次相關(guān)系數(shù)(srocc),kendall秩次相關(guān)系數(shù)(krocc),均方根誤差(rmse)和平均絕對誤差(mae)。較高的plcc,srocc,krocc和較低的rmse,mae值,iqa指標更好。并將rsrm度量的這五個常用性能指標與其他代表性的rr-iqa度量進行比較,它們是:ssrm(空間規(guī)則相似度),srrm(radon拉東投影規(guī)則相似度),wnism(小波域自然圖像統(tǒng)計模型),rr-ssim,spcrm(相位規(guī)則相似度),svd(奇異值分解)和fr-iqametrics(全參考圖像評價度量):ssim(結(jié)構(gòu)相似度),psnr(峰值信噪比)。

      不同的圖像質(zhì)量評價模型得到的客觀值的范圍是不同的(例如,ssim的范圍是(0,1),而標準圖像庫的主觀評價值范圍是(0,100),顯然二者不在一個數(shù)量級上,為便于比較,需要利用非線性函數(shù)將客觀評價值映射到主觀評價值,得到預(yù)測值。首先,需要利用非線性回歸函數(shù)將目標分數(shù)x(對于本發(fā)明的rsrm方法,x即為rsrm值)映射到f(x),公式如下:

      其中,上述公式中,x表示客觀值,f(x)表示預(yù)測值,擬合參數(shù)β1,β2,……β5由擬合過程確定。

      然后,計算各個度量方法的上述五個常用性能指標,其中,rmse表示均方根誤差,首先計算每幅圖像的預(yù)測值與主觀值差的平方,然后求平均值,最后求平方根。其計算公式如下:

      其中,xi表示每幅圖像的預(yù)測值,yi表示圖每幅圖像的主觀值。

      mae表示平均絕對值,其計算公式如下,該指標首先計算每幅圖像的預(yù)測值與主觀值差的絕對值,然后再求和后進行平均。其計算公式如下:

      plcc表示pearson線性相關(guān)系數(shù),其計算公式如下,

      其中,xi表示每幅圖像的預(yù)測值,yi表示圖每幅圖像的主觀值,表示所有圖像預(yù)測值的平均值,表示所有圖像主觀值的平均值。

      srocc表示spearman等級相關(guān)系數(shù),其計算公式如下,

      式(10-1)中,rxi和ryi表示圖每幅圖像的客觀值和主觀值分別按相同順序(由大到小或由小到大)排序后,對于第i個值在各自序列中的序號,n表示測試圖像總個數(shù)。krocc與srocc類似。

      表2列出了rsrm在上述4個數(shù)據(jù)庫的實驗結(jié)果和與其它度量的比較,并對rr-iqa的最佳結(jié)果利用下劃線進行了突出顯示。從表2可以看出,與rr-iqa度量相比,rsrm在四個數(shù)據(jù)庫上表現(xiàn)最好。與fr-iqa度量相比,rsrm在四個數(shù)據(jù)庫上的性能遠優(yōu)于psnr,而在tid2013和live數(shù)據(jù)庫上,rsrm的性能略遜于ssim。此外,表2中還提供了四個數(shù)據(jù)庫的平均plcc,srocc和krocc結(jié)果。平均方案有兩種,第一種方案是性能指標直接平均。在第二個方案中,性能指標由數(shù)據(jù)庫的大小衡量。與rr-iqa/fr-iqa指標相比,我們可以看到rsrm平均性能最好。

      表2各個圖像質(zhì)量評價度量在四個圖像數(shù)據(jù)庫中的綜合指標

      本發(fā)明的發(fā)明人不僅通過典型的性能指標來驗證了rsrm的優(yōu)越性能,而且,rsrm的優(yōu)越性能也可以在客觀和主觀評價的散點圖上看到。圖3~圖10顯示了主觀評價與iqa指標(包括rsrm,srrm,wnism,spcrm,ssrm,svd,ssim和psnr)在csiq數(shù)據(jù)庫中獲得的客觀評價的散點圖。圖3中的橫軸表示各種度量的客觀值,縱軸表示圖像的主觀評價dmos值,每一點表示一個失真的圖像,并且根據(jù)公式(6-1)獲得曲線。從圖3~圖10可以看出,與其它iqa指標相比,rsrm的散點圖更加緊湊,這意味著本發(fā)明提出的rsrm度量獲得的客觀得分與主觀評價的相關(guān)性更強。此外,表2還給出了iqa度量使用的圖像特征的長度。rsrm的特征長度比wnism,srrm和ssrm長,但比svd,ssim和psnr短。

      此外,在在四個數(shù)據(jù)庫中共有52組失真類型,我們對每組失真類型進行實驗。表3列出了srocc的實驗結(jié)果。最好的結(jié)果利用下劃線進行突出顯示。此外,表3還給出了表現(xiàn)最佳的度量的失真類型數(shù)。從表3可以看出,svd比其他rr-iqa指標更好。然而,如前所述,rsrm在四個數(shù)據(jù)庫上比svd好得多。為了提供svd和rsrm之間的性能比較的視覺效果,圖11顯示了tid2013數(shù)據(jù)庫中svd和rsrm對于不同失真的散點圖。可以看出,svd對單個失真的散點圖中的點彼此更接近,而rsrm對各個失真的散點圖更接近擬合曲線。也就是說,svd隨不同的失真類型而變化,而rsrm在不同的失真類型之間是非常一致的。

      表3rr-iqa度量在不同失真類型下的srocc值對比

      綜上所述,本發(fā)明通過利用小波、光譜殘差和分形維數(shù)為rr-iqa提出了一個rsr的特征提取框架,并且基于rsr特征提取,提出了一種基于光譜殘差的半?yún)⒖紙D像質(zhì)量評價方法。小波旨在模擬人類視覺系統(tǒng)的多通道結(jié)構(gòu),光譜殘差表示局部區(qū)域?qū)θ祟愐曈X系統(tǒng)的重要性,分形維數(shù)對光譜殘差進行編碼。本發(fā)明通過rsrm在四個最大的圖像數(shù)據(jù)庫(tid2013,tid2008,csiq和live數(shù)據(jù)庫)上進行評估,實驗結(jié)果證實rsr不僅與人類視覺系統(tǒng)相關(guān),而且對于各種圖像失真都是魯棒的。因此,本發(fā)明提出的一種半?yún)⒖紙D像質(zhì)量評價方法,相對于其他度量評價,具有更好的性能指標,而且,該方法在不同失真類型之間的圖像評價的一致性較好,可以廣泛應(yīng)用于圖像處理領(lǐng)域。

      最后應(yīng)說明的是:以上各實施例僅用以說明本發(fā)明的技術(shù)方案,而非對其限制;盡管參照前述各實施例對本發(fā)明進行了詳細的說明,本領(lǐng)域的普通技術(shù)人員應(yīng)當理解:其依然可以對前述各實施例所記載的技術(shù)方案進行修改,或者對其中部分或者全部技術(shù)特征進行等同替換;而這些修改或者替換,并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍。

      當前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1