基于混合尺度變換的圖像質(zhì)量評價方法
【專利摘要】本發(fā)明公開一種基于混合尺度的圖像質(zhì)量評價方法，步驟為：第一步、采用下采樣的方法對原圖x和失真圖y分別進行不同程度的下采樣，記第i次下采樣后的原圖和失真圖分別為xi，yi；第二步、對第i次下采樣之后的原圖和失真圖分別進行預處理，并計算其在結(jié)構(gòu)相似度函數(shù)中對應(yīng)的亮度、對比度、結(jié)構(gòu)分量；第三步、結(jié)合亮度、對比度、結(jié)構(gòu)相似度在特定尺度下的最優(yōu)值(li,ci,si)，得出最終的客觀質(zhì)量分數(shù)。在六個圖像庫下的實驗結(jié)果證實，相比傳統(tǒng)的基于尺度的方法，本發(fā)明可以提高圖像質(zhì)量評價的預測精度。
【專利說明】基于混合尺度變換的圖像質(zhì)量評價方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)計的是一種圖像質(zhì)量評價方法，具體是一種基于混合尺度變換的圖像質(zhì) 量評價方法。

【背景技術(shù)】
[0002] 人類80%的信息通過視覺獲取，尤其是在信息發(fā)達的當今社會，數(shù)字電視、數(shù)碼 影像、視頻會議、社交媒體等各種傳媒的蓬勃方法，使得對圖像和視頻的高質(zhì)量需求越來越 大。圖像質(zhì)量評價（IQA)是一個經(jīng)典的研究方向，它在數(shù)字圖像處理的諸多領(lǐng)域發(fā)揮著重 要作用，例如圖像壓縮、存儲和傳輸?shù)鹊陌l(fā)展和優(yōu)化。一般地講，圖像質(zhì)量評價分為兩類：主 觀評價和客觀評價。根據(jù)國際電信聯(lián)盟（ITU)提出的ITU-R BT. 500主觀評價介紹可知，以 前的設(shè)計通過實驗并獲取了觀測者的主觀平均意見得分（MOSs)。由于主觀評價的一些顯 著的缺陷（如不便性，費時，昂貴），客觀IQA方法對于自動預測圖像質(zhì)量就顯得很有必要。 在所有現(xiàn)有的客觀指標中，最有名的一組IQA指標是均方誤差（MSE)和峰值信噪比（PSNR)， 因為他們十分方便而且有明確的物理意義。
[0003] 在近十年研究中，越來越多的人認為MSE/PSNR沒有很好的將人對圖像質(zhì)量的判 斷/M0S相關(guān)起來。因此，像結(jié)構(gòu)相似性指數(shù)（SSIM)這樣的一些先進的指標提出了一種可替 代和具有互補性的方法用以解決IQA問題，"A universal image quality index"_"Image quality assessment:From error visibility to structural similarity，'中介紹的這些 方法屬于單一尺度類型。這種基于單一尺度的圖像質(zhì)量評價方法一般包括兩個步驟：采用 適當比例系數(shù)的圖像變換和SS頂指標。然而，這類方法沒有考慮圖像變換系數(shù)對SS頂中 三種組成分量（亮度、對比度和結(jié)構(gòu)相似度）的不同影響。盡管上面提到的IQA度量有相 當好的性能，但是不難發(fā)現(xiàn)，一個顯著影響因子"尺度"未被考慮在內(nèi)。為了填補這一空白， 越來越多的基于多尺度的IQA方法發(fā)展起來，例如，多尺度SSIM(MS-SSIM)，信息保真度準 則（IFC)，視覺信息保真（VIF)和信息內(nèi)容加權(quán)（IW)PSNR/SSM。這些IQA方法的預測精度 充分說明了多尺度方法的有效性。
[0004] 最近，一些研究如 W. L在 Trans. Image. Processing 中提出的"Perceptual visual quality metrics :Asurvey，'、KeGu 提出的 "Self-adaptive scale transform for IQA metric"（收錄于 ISCAS2013)、"GES:a newimage quality assessment metric based on energy features in Gabor transform domain，'(G. Zhai 發(fā)表于 ISCAS2006)、''LGPS:Phase basedimage quality assessment metric"（G. Zhai 發(fā)表于 SIPS2007)提出了另一種解決 尺度問題的方法，并指出合適的基于單尺度變換的IQA方法也可以達到滿意的結(jié)果。特別 地，基于SAST模型的PSNR/SS頂方法可以在根據(jù)圖像尺寸和觀看距離估計的最優(yōu)尺度參數(shù) 調(diào)整的參考圖像和失真圖像上實現(xiàn)。這種方法很有效，因為隨著觀看距離的增大，觀測角度 縮小，所觀察到圖像細節(jié)就更少。


【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于混合尺度變換的圖像質(zhì)量 評價方法，可用于更加準確地評估圖像質(zhì)量。
[0006] 本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括以下步驟：
[0007] 第一步、采用下采樣的方法對原圖X和失真圖y分別進行不同程度的下采樣，記第 i次下采樣后的原圖和失真圖分別為Xi，yi ;
[0008] 第二步、對第i次下采樣之后的原圖和失真圖分別進行濾波處理，并計算降采樣 后圖像在結(jié)構(gòu)相似度（SSIM)函數(shù)中對應(yīng)的亮度（luminance)、對比度（contrast)、結(jié)構(gòu) (structural)分量。
[0009] 第三步、結(jié)合亮度、對比度、結(jié)構(gòu)相似度在特定尺度下的最優(yōu)值Ci，Si)，得出最 終的客觀質(zhì)量分數(shù)?？陀^質(zhì)量分數(shù)和M0S/DM0S值的相關(guān)性越強，評價方法越準確。
[0010] 本發(fā)明的原理是，結(jié)構(gòu)相似度函數(shù)（SSM)中的三個組成分量（亮度、對比度、結(jié)構(gòu) 相似度）在圖像的不同變換系數(shù)下對圖像質(zhì)量的影響是不同的，故分別研究亮度、對比度 和結(jié)構(gòu)相似度在不同尺寸系數(shù)下的變化系數(shù)，得出亮度分量基本不隨尺寸系數(shù)的變化而變 化，而對比度和結(jié)構(gòu)分量隨尺寸系數(shù)的變大通常先變大后變小的結(jié)論。最后，結(jié)合三個分量 在不同的尺寸系數(shù)下取得的最優(yōu)值，最終實現(xiàn)了超越原有結(jié)構(gòu)相似度方法性能的目標。 [0011] 與現(xiàn)有技術(shù)相比，具有以下有益效果：
[0012] 相比單一尺度方法，本發(fā)明可以通過加入觀測條件等變量來提供更 大的靈活性。本發(fā)明中不同分量對應(yīng)的變換系數(shù)是不同的，在六個圖像庫 (LIVE, TID2008, CSIQ, Toyama, IVC和LIVE Multiply Distortion)下的實驗結(jié)果證實，相比 傳統(tǒng)的基于尺度的方法，提出的IQA方法可以提高圖像質(zhì)量評價的預測精度。本發(fā)明計算 速度快，復雜度低，并且在性能上比原有方法有明顯的改進。

【專利附圖】

【附圖說明】
[0013] 通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、 目的和優(yōu)點將會變得更明顯：
[0014] 圖1為本發(fā)明一實施例總體流程圖；
[0015] 圖2是在不同尺度變換系數(shù)下，亮度（圖a)、對比度（圖b)、結(jié)構(gòu)相似度（圖c) 分別在LIVE數(shù)據(jù)庫上的變化曲線；
[0016] 圖3是在不同尺度變換系數(shù)下，亮度（圖a)、對比度（圖b)、結(jié)構(gòu)相似度（圖c) 分別在TID2008數(shù)據(jù)庫上的變化曲線；
[0017] 圖4是在不同尺度變換系數(shù)下，亮度（圖a)、對比度（圖b)、結(jié)構(gòu)相似度（圖c) 分別在CSIQ數(shù)據(jù)庫上的變化曲線；
[0018] 圖 5 是 SSIM (圖 a)、SSMz (圖 b)、MS-SSIM (圖 c)、MIS-SSIM (圖 d)在 LIVE 數(shù)據(jù) 庫上的散點圖；
[0019] 圖 6 是 SSIM (圖 a)、SSMz (圖 b)、MS-SSM (圖 c)、MIS-SSM (圖 d)在 TID2008 數(shù) 據(jù)庫上的散點圖；
[0020] 圖 7 是 SSIM (圖 a)、SSMz (圖 b)、MS-SSIM (圖 c)、MIS-SSIM (圖 d)在 CSIQ 數(shù)據(jù) 庫上的散點圖。

【具體實施方式】
[0021] 下面結(jié)合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領(lǐng)域的技術(shù) 人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當指出的是，對本領(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。這些都屬于本發(fā)明 的保護范圍。
[0022] 實施例：
[0023] 本實施例的實施流程如圖1所示：
[0024] 第一步、對原圖和失真圖分別進行100次不同尺寸的縮小，采用matlab中 imresize函數(shù)將圖像依次縮小到1，1/2,1/3,1/4··· 1/100。
[0025] 第二步、先采用一個高斯加權(quán)窗對圖像進行濾波，然后分別計算三個分量在不 同尺度下對應(yīng)的值：

【權(quán)利要求】
1. 一種基于混合尺度的圖像質(zhì)量評價方法，其特征包括以下步驟： 第一步、采用下采樣的方法對原圖X和失真圖y分別進行不同程度的下采樣，記第i次 下采樣后的原圖和失真圖分別為Xi，yi ; 第二步、對第i次下采樣之后的原圖和失真圖分別進行濾波處理，并計算其在結(jié)構(gòu)相 似度函數(shù)中對應(yīng)的亮度、對比度、結(jié)構(gòu)分量； 第三步、結(jié)合亮度、對比度、結(jié)構(gòu)相似度在選定尺度下的最優(yōu)值，得出最終的 客觀質(zhì)量分數(shù)，客觀質(zhì)量分數(shù)和MOS/DMOS值的相關(guān)性越強，評價方法越準確。
2. 根據(jù)權(quán)利要求1所述的基于混合尺度的圖像質(zhì)量評價方法，其特征是，第一步中：所 述的下采樣，是對原圖和失真圖分別進行多次不同尺寸的縮小。
3. 根據(jù)權(quán)利要求1所述的基于混合尺度的圖像質(zhì)量評價方法，其特征是，第二步中： 分別計算亮度分量1、對比度分量c、結(jié)構(gòu)分量s在不同圖像變換尺寸下的值：
其中Q = 〇(山)2, C2 = (K2L)2, C3 = C2/2,用帶有1. 5倍采樣值并歸一化到（Σ& = 1) 的高斯加權(quán)窗對圖像進行濾波，W = {Wi I i = 1，2,，N};局域統(tǒng)計平均值μ x，標準差σ χ以 及互相關(guān)σ xy如下：
4. 根據(jù)權(quán)利要求1所述的基于混合尺度的圖像質(zhì)量評價方法，其特征是，第三步中： 評估整個圖像質(zhì)量的結(jié)構(gòu)相似度函數(shù)指數(shù)定義為：
其中，x(i)和y(i)是第i個局域窗內(nèi)的圖像內(nèi)容，是X和y參考圖像和失真圖像，Μ是 圖像中的局域窗數(shù)。
【文檔編號】G06T7/00GK104112274SQ201410318484
【公開日】2014年10月22日 申請日期:2014年7月4日 優(yōu)先權(quán)日:2014年7月4日
【發(fā)明者】劉敏, 翟廣濤, 楊小康, 王思文 申請人:上海交通大學