一種改進的特征相似性圖像質(zhì)量評估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種改進的特征相似性圖像質(zhì)量評估方法，屬于數(shù)字圖像處理技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002] 隨著數(shù)字圖像處理技術(shù)在圖像的采集、編碼壓縮、傳輸和顯示等各領(lǐng)域的發(fā)展，圖 像質(zhì)量對所獲取信息的充分性和準(zhǔn)確性具有決定性作用，因此建立有效的圖像質(zhì)量評估機 制具有重要意義。
[0003] 數(shù)字圖像質(zhì)量評估方法可以分為主觀圖像質(zhì)量評估方法和客觀圖像質(zhì)量評估方 法。主觀圖像質(zhì)量評估方法，曾經(jīng)被認為是圖像視覺質(zhì)量量化的唯一"正確"的方法，然而， 在實踐中，主觀圖像質(zhì)量評估通常是既費時又費力的?？陀^圖像質(zhì)量評估方法，主要是通過 模擬人類視覺系統(tǒng)設(shè)計出一種方法來對圖像質(zhì)量進行評估?？陀^圖像質(zhì)量評估方法又分為 全參考圖像質(zhì)量評估方法、半?yún)⒖紙D像質(zhì)量評估方法和無參考圖像質(zhì)量評估方法。目前最 常用的方法是全參考圖像質(zhì)量評估方法。傳統(tǒng)的全參考客觀圖像質(zhì)量評估方法有均方誤 差（Mean Square Error, MSE)和峰值信噪比（Peak Signal to Noise Ratio, PSNR)，由于 其簡單的計算方法和清晰的物理意義一直被廣泛使用，但這些方法只是從統(tǒng)計意義上對圖 像進行分析，沒有考慮到像素之間的相關(guān)性。為此，Zhou Wang等人利用圖像像素間的相關(guān) 性提出了一種新的圖像質(zhì)量客觀評估方法：結(jié)構(gòu)相似度（Structural Similarity，SSIM)， 該方法從圖像組成的角度將結(jié)構(gòu)信息定義為獨立于亮度、對比度的反映場景中物體結(jié)構(gòu)的 屬性，并將失真建模為亮度、對比度和結(jié)構(gòu)三個不同因素的組合，計算簡單易于實現(xiàn)，并且 其評估性能優(yōu)于PSNR(或MSE)，但是忽視了圖像中攜帶著重要信息的邊緣信息，對模糊失 真圖像不敏感。楊春玲等人提出基于梯度特征的結(jié)構(gòu)相似度GSS頂方法，該方法是在SS頂 方法的基礎(chǔ)上通過梯度來表示圖像的邊緣信息，彌補了 SS頂方法對模糊失真圖像的不足。 Lin Zhang等人提出基于底層特征的圖像質(zhì)量評估方法FS頂，該方法運用相位一致性提取 圖像的底層特征，比較接近人類視覺系統(tǒng)，但其對圖像失真的變化程度尤其是圖像邊緣信 息的變化程度不敏感。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供了一種改進的特征相似性圖像質(zhì)量評估方法，以用于得到一種既符合 人眼視覺系統(tǒng)特點又能有效識別圖像邊緣的新的圖像質(zhì)量評估方法。
[0005] 本發(fā)明的技術(shù)方案是：一種改進的特征相似性圖像質(zhì)量評估方法，首先輸入一幅 原始圖像和一幅失真圖像，分別獲取兩幅圖像的相位一致性，然后利用兩幅圖像的相位一 致性得到圖像的特征相似性；再分別獲取兩幅圖像的梯度圖像，利用梯度圖像得到兩幅圖 像的亮度比較函數(shù)、對比度比較函數(shù)和相關(guān)系數(shù)比較函數(shù)，然后將亮度比較函數(shù)、對比度比 較函數(shù)和相關(guān)系數(shù)比較函數(shù)相結(jié)合得到圖像的梯度相似性；最后將圖像的特征相似性和圖 像的梯度相似性相結(jié)合即得到失真圖像質(zhì)量評估的結(jié)果。
[0006] 所述得到圖像的特征相似性的具體步驟如下：
[0007] stepl. 1、輸入一幅原始圖像x和一幅失真圖像y ;
[0008] St印1. 2、通過運用高斯函數(shù)作為轉(zhuǎn)換函數(shù)G2〇, 9 J :
[0009]
[0010] 其中，0 j 31 /J表示濾波器的方向角，j = {0, 1，……，J-l}，J是方向角的數(shù) 量；〇 e表示濾波器的角度帶寬，是濾波器的中心頻率，〇 ^用于控制濾波器的帶寬，《 表示信號的頻率，9表示信號的相位角；
[0011]Stepl. 3、通過調(diào)制〇。和0.j，G2(〇，0.j)和原始圖像X，可得到一組響應(yīng) [e;#,+ (x)，c"^. (x)];其中，(x)和分別表示偶數(shù)響應(yīng)和奇數(shù)響應(yīng)；
[0012] 尺度為n，方向角為0 ;的局部振幅為：
[0013]
[0014] 沿筆卞'向0 .的li部能骨為.
[0015] ......『一 '… f \JJ
[0016] 其中：^
^ 1分別表不C Y>的總和及 ~巧⑴的總和；
[0017] 原始圖像x的相位一致性PC (X)定義為：
[0018]
[0019] 同理，失真圖像y的相位一致性PC(y)定義為：
[0020]
[0021] 其中，e為最小正整數(shù)；
[0022] Stepl. 4、通過公式（4)和公式（5)分別得到原始圖像x的相位一致性PC(x)和和 失真圖像y的相位一致性PC(y)，然后通過公式（6)得到兩幅圖像的特征相似性：
[0023]
[0024] 其中，1\為常量。
[0025] 所述得到圖像的梯度相似性的具體步驟如下：
[0026] Step2. 1、對輸入的一幅原始圖像x和一幅失真圖像y分別進行sobel處理，得到 原始圖像的梯度幅值圖像X'和失真圖像的梯度幅值圖像y' ；
[0027] Step2. 2、利用原始圖像x和失真圖像y求取原始圖像的均值y失真圖像的均 值yy;利用Step2. 1得到的原始圖像的梯度幅值圖像X'和失真圖像的梯度幅值圖像y'， 分別求取梯度幅值圖像x'的標(biāo)準(zhǔn)差，、梯度幅值圖像y'的標(biāo)準(zhǔn)差〇y，以及梯度幅值圖 像X'和梯度幅值圖像y'的協(xié)方差〇x，y，；
[0028] Step2. 3、利用Step2. 2得到的原始圖像的均值y x、失真圖像的均值y ￥通過公式 (7)得到圖像的亮度比較函數(shù)l(x，y);利用St印2.2得到的梯度幅值圖像X'的標(biāo)準(zhǔn)差 〇x，、 梯度幅值圖像y'的標(biāo)準(zhǔn)差〇y，以及梯度幅值圖像x'和梯度幅值圖像y'的協(xié)方差〇 x，y，通 過公式⑶和公式（9)得到對比度比較函數(shù)Gg(x，y)和相關(guān)系數(shù)比較函數(shù)S g(x，y);
[0029]
[0030]
[0031]
[0032] 其中，(；、(：2和C3為常量；
[0033]Step2.4、將Step2. 3得到的亮度比較函數(shù)1 (X，y)、對比度比較函數(shù)Gg(x, y)和相 關(guān)系數(shù)比較函數(shù)\(1，7)根據(jù)公式（10)的形式結(jié)合即可得到原始圖像x和失真圖像y的 梯度特征相似性GSSIM(x，y);
[0034] GSSIM(x，y) =1(X，y) ? Cg(x，y) ? Sg(x，y)(10)。
[0035] 將特征相似性和梯度相似性相結(jié)合的具體步驟如下：
[0036] Step3.1、利用Stepl. 3中得到的原始圖像的相位一致性PC(x)、失真圖像的相位 一致性PC(y)通過公式（11)獲得對圖像x、y整體的相似性進行加權(quán)的權(quán)數(shù)PCjiy);
[0037] PCn(x,y) =max(PC(x),PC(y)) (11)
[0038] Step3. 2、將Stepl. 4中所得的圖像的特征相似性SPC(x, y)，Step2. 4中所得的圖像 的梯度特征相似性GSSIM(x, y)以及Step3. 1中所得的對圖像x、y整體的相似性進行加權(quán) 的權(quán)數(shù)PC；(x，y)通過公式（12)得到圖像質(zhì)量評估得分；
[0039]
[0040] 本發(fā)明的有益效果是：該圖像質(zhì)量評估方法具有符合人類視覺系統(tǒng)的特點和有效 識別圖像邊緣的特點；該圖像質(zhì)量評估方法對運動模糊造成的失真更加敏感。
【附圖說明】
[0041] 圖1為本發(fā)明的流程圖；
[0042] 圖2為自然圖像的原始圖像；
[0043] 圖3為自然圖像運動距離5、運動角度0的運動模糊失真圖像；
[0044] 圖4為自然圖像運動距離10、運動角度0的運動模糊失真圖像；
[0045] 圖5為自然圖像運動距離15、運動角度0的運動模糊失真圖像；
[0046] 圖6為自然運動距離20、運動角度0的運動模糊失真圖像；
[0047] 圖7為自然運動距離25、運動角度0的運動模糊失真圖像；
[0048] 圖8為自然圖像運動距離30、運動角度0的運動模糊失真圖像；
[0049] 圖9為不同運動模糊程度下評估值的曲線；
[0050] 圖10為自然圖像方差為1的高斯模糊失真圖像；
[0051] 圖11為自然圖像方差為2的高斯模糊失真圖像；
[0052]圖12為自然圖像方差為3的高斯模糊失真圖像；
[0053]圖13為自然圖像方