專利名稱：基于多尺度幾何分析的圖像質(zhì)量評(píng)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是一種涉及對圖像質(zhì)量的評(píng)測方法，可用于圖像壓縮、圖像存儲(chǔ)、圖像通信，圖像檢測等領(lǐng)域中對圖像質(zhì)量的評(píng)測處理。

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。隨著信號(hào)處理和計(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)圖像系統(tǒng)包括圖像的采集、顯示、存儲(chǔ)、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(dòng)社會(huì)發(fā)展，改善人們生活水平都起到重要的作用。雖然圖像技術(shù)取得了迅速的發(fā)展，但在目前的技術(shù)水平下仍需要在圖像處理算法和設(shè)備的設(shè)計(jì)中做出某些折衷，如時(shí)間分辨率與噪聲敏感度之間的折衷、空間分辨率與圖像尺寸的折衷、亮度的范圍與階數(shù)之間的折衷。當(dāng)在其中做出某種選擇后，將會(huì)影響到重建圖像的感觀。為了取得最優(yōu)的選擇，有必要知道這些選擇的結(jié)果怎樣，會(huì)給重建圖像的感觀造成怎樣的影響。通過圖像質(zhì)量客觀評(píng)價(jià)方法，可以對一些圖像處理方法進(jìn)行有效的評(píng)估，最終取得一個(gè)較好的圖像效果。
目前的數(shù)字圖像質(zhì)量評(píng)價(jià)的研究可以分為兩種完全不同的方法主觀評(píng)價(jià)和客觀評(píng)價(jià)。
第一種主要是通過主觀實(shí)驗(yàn)來評(píng)價(jià)圖像質(zhì)量。一個(gè)典型方法是國際電信聯(lián)盟(ITU，International Telecommunications Union)提出的電視圖像的主觀評(píng)價(jià)方法。主觀評(píng)價(jià)實(shí)驗(yàn)是指，在一定的條件(圖像源，顯示設(shè)備和觀看條件等)下，給觀看者同時(shí)提供兩幅圖片，其中一幅是原始圖像，另一幅是失真圖像。原始的圖像是沒有任何損傷的，失真圖像可能有失真也可能沒有，即失真為零。對于觀看者應(yīng)包括普通人和圖像專業(yè)人員和非專業(yè)人員。最后還要對大量的評(píng)分?jǐn)?shù)據(jù)進(jìn)行統(tǒng)計(jì)(均值、標(biāo)準(zhǔn)偏差，95％置信度區(qū)間等)。主觀評(píng)價(jià)的結(jié)果有兩種表示方法一種是絕對評(píng)分表達(dá)MOS(Mean Opinion Score)，即表示失真圖像的絕對質(zhì)量；另一種是差值表達(dá)DMOS(Difference Mean Opinion Score)，即表示失真圖像與原始圖像評(píng)價(jià)成績的絕對差。
圖像是為人所觀看的，因而主觀實(shí)驗(yàn)評(píng)價(jià)方法是評(píng)價(jià)圖像質(zhì)量最準(zhǔn)確和最有效的方法，但也存在嚴(yán)重的缺點(diǎn)，即主觀評(píng)價(jià)實(shí)驗(yàn)十分耗時(shí)。實(shí)際中，需要實(shí)驗(yàn)的數(shù)據(jù)量非常大，并且每次做出新的設(shè)計(jì)選擇時(shí)都要重新進(jìn)行實(shí)驗(yàn)，而主觀評(píng)價(jià)實(shí)驗(yàn)只能測試有限數(shù)量的圖像樣本。因此，該方法很難在實(shí)際中應(yīng)用。人們迫切需要設(shè)計(jì)客觀的圖像質(zhì)量評(píng)價(jià)方法來近似反映主觀感受，這就是第二種數(shù)字圖像質(zhì)量的評(píng)價(jià)方法——數(shù)字圖像質(zhì)量客觀評(píng)價(jià)方法。
數(shù)字圖像質(zhì)量的客觀評(píng)價(jià)已經(jīng)越來越為人們所重視，并已形成了許多完整有效的算法體系。從現(xiàn)有文獻(xiàn)看，根據(jù)對原始圖像的參考程度，圖像質(zhì)量的客觀評(píng)價(jià)可分為三種全參考型(FR，F(xiàn)ull Reference)、部分參考型(RR，Reduced Reference)和無參考型(NR，No Reference)。
1)全參考型 所謂全參考型也就是說算法的前提是原始的圖像是完全已知的，并且認(rèn)為是沒有任何失真的，被用來作為評(píng)價(jià)失真圖像質(zhì)量的參照。目前大多數(shù)圖像質(zhì)量評(píng)價(jià)算法都屬于全參考型。
2)部分參考型 由于參考圖像數(shù)據(jù)量往往比較大，在一些情況下不便于傳輸和存儲(chǔ)，特別是在通信領(lǐng)域，對帶寬的要求很高。為了能在這種情況下仍能較好地評(píng)價(jià)圖像的質(zhì)量，RR型圖像質(zhì)量評(píng)價(jià)成為人們研究的熱點(diǎn)之一。部分參考型是介于全參考型和無參考型之間的一種圖像質(zhì)量評(píng)價(jià)方法。這種方法只利用部分的原始圖像的信息來估計(jì)失真圖像的視覺感知質(zhì)量。目前VQEG(Video Quality Experts Group)已經(jīng)將其作為未來發(fā)展的一個(gè)方向。在某些應(yīng)用領(lǐng)域RR型圖像質(zhì)量評(píng)價(jià)方法十分有用。例如，在實(shí)時(shí)視頻通訊系統(tǒng)中，可以通過監(jiān)控圖像質(zhì)量來控制碼流資源，從而滿足不同的需要。一個(gè)成功的RR圖像質(zhì)量評(píng)價(jià)方法必須在RR特征數(shù)據(jù)率和圖像質(zhì)量的預(yù)測精度上取得很好的平衡。這是因?yàn)?，如果RR特征數(shù)據(jù)率越大，能包含參考圖像的信息就越多，得到的預(yù)測就會(huì)越精確，但這也會(huì)給傳送這些參數(shù)造成很大負(fù)擔(dān)；相反，數(shù)據(jù)量越小越易于傳送，但最終的預(yù)測也會(huì)越差。
3)無參考型 全參考型和部分參考型方法的共同點(diǎn)是，它們都全部或部分地依靠一個(gè)原始的且無失真的圖像作為參考。無參考型方法是一種不需要原始圖像，直接對失真圖像進(jìn)行評(píng)價(jià)的方法。近些年來，NR型圖像質(zhì)量評(píng)價(jià)被越來越多的學(xué)者所關(guān)注。因而這是一個(gè)是非常有意義的研究方向。
全參考型方法最大的優(yōu)點(diǎn)就是對失真圖像質(zhì)量預(yù)測準(zhǔn)確，然而，全參考型方法要求有無任何失真的原始圖像，這在很多實(shí)際應(yīng)用中都難以實(shí)現(xiàn)。而對無參考型方法來說，一方面，無參考型方法是一種很難的工作，且現(xiàn)有的方法效果大都不夠理想，另一方面，現(xiàn)有的無參考型方法都有很強(qiáng)的前提條件即要預(yù)先知道圖像等失真方式或類型，這在實(shí)際應(yīng)用中也很難實(shí)現(xiàn)。部分參考型方法利用了原始圖像的部分特征信息，在不知道圖像失真類型時(shí)，依然能夠?qū)κд鎴D像做出較準(zhǔn)確的評(píng)測。
傳統(tǒng)的圖像質(zhì)量評(píng)價(jià)方法峰值信噪比(PSNR，Peak Signal-to-Noise-Ratio)等是從純數(shù)學(xué)的角度對圖像的像素之間的誤差的統(tǒng)計(jì)，性能有很大的局限性。近來人類視覺系統(tǒng)(HVS，HumanVisual System)被引入來研究圖像質(zhì)量評(píng)價(jià)的新方法，人眼的主要作用是為了提取視場中的結(jié)構(gòu)信息，而且人類視覺系統(tǒng)也非常適用于這一目的。Z Wang等據(jù)此提出了基于結(jié)構(gòu)相似度(SSIM，Mean Structural Similarity)的全參考型圖像質(zhì)量評(píng)價(jià)方法“Z Wang，A C Bovik，H RSheikh，and E P Simoncelli.Image quality assessmentfrom error visibility to structural similarity[J].IEEE Trans.on Image Processing.2004，13(4)600-612.”實(shí)驗(yàn)結(jié)果表明該方法與主觀評(píng)價(jià)具有很好的相關(guān)性。但是該方法是針對圖像中局部像素的相關(guān)性進(jìn)行的，因此提取的圖像特征信息就不夠完整。進(jìn)而，在“Z Wang.and Simoncelli E.P.Reduced-reference image qualityassessment using a wavelet-domain natural image statistic model.Human Vision and ElectronicImaging X.Proc.Jan.2005，5666149-159.”中利用自然圖像的統(tǒng)計(jì)模型進(jìn)行圖像質(zhì)量評(píng)價(jià)(RR-WISM，Reduced-Reference Image Quality Assessment Using A Wavelet-Domain NaturalImage Statistic Model)。該方法針對自然圖像的小波子帶系數(shù)滿足廣義高斯分布的特性，用失真圖像的小波子帶系數(shù)來逼近該分布，然后根據(jù)擬合誤差對失真圖像質(zhì)量進(jìn)行估計(jì)，取得了良好的評(píng)價(jià)結(jié)果，但該方法結(jié)構(gòu)較復(fù)雜，計(jì)算代價(jià)高，并且，該方法并沒有最優(yōu)的解決評(píng)測效果與傳輸數(shù)據(jù)量代價(jià)之間的矛盾。由于小波子帶的系數(shù)分布僅僅利用子帶系數(shù)的統(tǒng)計(jì)獨(dú)立性，而系數(shù)之間非獨(dú)立性卻存在于各個(gè)方向、尺度、位置，因此其效果并不夠理想。參考型圖像質(zhì)量評(píng)價(jià)方法的核心問題最有效的提取圖像中的特征信息，通過比較圖像中特征信息的變化情況來對被測圖像進(jìn)行評(píng)測。所以，如何有效的提取和統(tǒng)計(jì)圖像的特征信息成為對圖像質(zhì)量評(píng)價(jià)的關(guān)鍵。


發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提供一種基于多尺度幾何分析的圖像質(zhì)量評(píng)測方法，以解決傳統(tǒng)部分參考型圖像質(zhì)量評(píng)價(jià)方法中評(píng)測精確性與所需傳遞信息量的矛盾，實(shí)現(xiàn)更簡單、更有效、更準(zhǔn)確的圖像質(zhì)量評(píng)測。
實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是根據(jù)部分參考型圖像質(zhì)量評(píng)價(jià)體系，采用多尺度幾何分析的變換方法，利用人眼視覺特性，對變換得到的子帶系數(shù)進(jìn)行視覺掩模，定義相應(yīng)的視覺感知閾值，統(tǒng)計(jì)各個(gè)子帶內(nèi)大于視覺感知閾值的系數(shù)的變化情況，得到對圖像的評(píng)價(jià)測度。
具體過程如下 (1)利用多尺度幾何分析方法將參考圖像和被測圖像分解成不同的尺度和方向上的子帶； (2)對各個(gè)子帶系數(shù)進(jìn)行歸一化加權(quán)，并根據(jù)參考圖像的子帶系數(shù)設(shè)定視覺感知閾值T， 式中，xi，j為子帶加權(quán)后最精細(xì)尺度上第i個(gè)方向子帶的第j個(gè)系數(shù)，

子帶加權(quán) 后第i個(gè)方向子帶系數(shù)的均值；M為子帶加權(quán)后所選方向子帶的數(shù)目，N為每個(gè)子帶中的系數(shù)的總個(gè)數(shù)； (3)分別計(jì)算參考圖像和被測圖像各對應(yīng)尺度和方向子帶中大于所述視覺感知閾值T的系數(shù)占所有系數(shù)的比重PR(n)和PD(n)， 式中，RT(n)和DT(n)分別為參考圖像和被測圖像的第n個(gè)子帶中大于視覺感知閾值T的個(gè)數(shù)，R(n)和D(n)為其對應(yīng)子帶中所有系數(shù)的個(gè)數(shù)； (4)統(tǒng)計(jì)參考圖像和被測圖像各對應(yīng)子帶中視覺感知系數(shù)所占比重的絕對差值總量S， L為被選取子帶的總個(gè)數(shù)； (5)根據(jù)所述的絕對差值總量S，確定被測圖像的質(zhì)量評(píng)價(jià)測度Q 式中，Q0為Q動(dòng)態(tài)范圍的調(diào)節(jié)因子，Q取值范圍在0～1之間， 隨著Q值的增加，圖像質(zhì)量也相應(yīng)要提高。
本發(fā)明由于采用了多尺度幾何分析方法對圖像在尺度和方向上進(jìn)行分解，利用子帶系數(shù)的變化對圖像質(zhì)量進(jìn)行評(píng)價(jià)，與現(xiàn)有技術(shù)相比較，具有如下優(yōu)點(diǎn) a)評(píng)測性能有較大提升，與人類視覺感知的一致性較好。以HWD變換應(yīng)用到本發(fā)明并以JPEG圖像為例，其評(píng)測精確性、單調(diào)性、離出率分別為0.9702、0.9473、0.03，相對現(xiàn)有的RR-WISM的評(píng)測方法，其精確性、單調(diào)性、分別提高了0.05、0.04，離出率降低了0.11，相對于現(xiàn)有的SSIM評(píng)測方法，其精確性、單調(diào)性、分別提高了0.01，0.01，離出率降低了0.01。
b)結(jié)構(gòu)簡單，計(jì)算量小。以小波變換為例，利用小波變換將圖像進(jìn)行三級(jí)分解，如圖2(a)所示，在相同條件下，對相同的一對488×610圖像，用本發(fā)明進(jìn)行評(píng)測所需的時(shí)間僅為現(xiàn)有RR-WISM方法評(píng)測時(shí)間的1/20； c)所需要傳輸?shù)男畔⒘枯^小。以wavelet變換應(yīng)用到本發(fā)明為例，對任一幅圖像本發(fā)明需要傳遞的信息量僅為84bit，約為現(xiàn)有RR-WISM方法的一半。



圖1是本發(fā)明評(píng)測過程示意圖； 圖2是本發(fā)明的圖像分解示意圖，其中 圖2(a)是當(dāng)小波變換應(yīng)用到本發(fā)明時(shí)，圖像分解及子帶選取示意圖； 圖2(b)是當(dāng)contourlet變換應(yīng)用到本發(fā)明時(shí)，圖像分解及子帶選取示意圖； 圖3為幾種圖像質(zhì)量評(píng)價(jià)方法與主觀MOS值的非線性擬合曲線圖，其中 圖(a1)為采用PSNR評(píng)測JPEG圖像時(shí)對MOS的預(yù)測曲線圖； 圖(a2)為采用PSNR評(píng)測JPEG2000圖像時(shí)對MOS的預(yù)測曲線圖； 圖(b1)為采用經(jīng)典部分參考型方法RR-WISM評(píng)測JPEG圖像時(shí)對MOS的預(yù)測曲線圖； 圖(b2)為采用經(jīng)典部分參考型方法RR-WISM評(píng)測JPEG2000圖像時(shí)對MOS的預(yù)測曲線圖； 圖(c1)為采用經(jīng)典全參考型方法MSSIM評(píng)測JPEG圖像時(shí)對MOS的預(yù)測曲線圖； 圖(c2)為采用經(jīng)典全參考型方法MSSIM評(píng)測JPEG2000圖像時(shí)對MOS的預(yù)測曲線圖； 圖(d1)為本發(fā)明利用WBCT時(shí)評(píng)測JPEG圖像對MOS的預(yù)測曲線圖； 圖(d2)為本發(fā)明利用WBCT時(shí)評(píng)測JPEG2000圖像對MOS的預(yù)測曲線圖。

具體實(shí)施例方式 本發(fā)明的核心思想是利用有效的多尺度幾何分析方法，獲得圖像的稀疏表示，提取圖像的紋理信息和方向信息。通過對比感知度掩模對靈敏度系數(shù)歸一化，根據(jù)參考圖像的子帶系數(shù)設(shè)定視覺感知閾值T，計(jì)算參考圖像和被測圖像各方向子帶中大于視覺感知閾值T的系數(shù)所占的全部系數(shù)的比重，并統(tǒng)計(jì)和比較其差異，得到圖像的質(zhì)量評(píng)價(jià)測度。
如圖1所示，將參考圖像置于發(fā)送端處理，將被測圖像置于接收端處理，將參考圖像處理得到的視覺感知閾值和大于視覺感知閾值的系數(shù)占所有系數(shù)的比重通過輔助信道傳輸?shù)浇邮斩?，在接收端通過比較參考圖像和被測圖像子帶系數(shù)的變化得到對被測圖像的評(píng)測結(jié)果。
本發(fā)明的主要步驟是 1)圖像預(yù)處理 利用多尺度幾何分析方法對參考圖像和被測圖像進(jìn)行尺度和方向的子帶分解，該分解采用Beamlet變換、Wedgelet變換、Bandelet變換的自適應(yīng)分析方法，或者Wavelet變換、Steerable Pyramid變換、Curvelet變換、Contourlet變換、基于Wavelet的Contourlet變換、Wavelets和方向?yàn)V波器組混合變換的非自適應(yīng)分析方法進(jìn)行，分別得到圖像的點(diǎn)、直線、光滑閉曲線、光滑輪廓區(qū)域、直線段、楔形、交叉直線特征。以contourlet變換為例，進(jìn)行三層Laplacian Pyramid分解，如圖2(b)所示，由細(xì)到粗各層分別采用4級(jí)、3級(jí)、3級(jí)方向?yàn)V波器分解，根據(jù)方向?yàn)V波器的性質(zhì)，只選擇一半的方向子帶來提取圖像尺度信息和方向信息，即圖2(a)、圖2(b)中用白色虛線框和數(shù)字標(biāo)出的子帶部分。
2)子帶歸一化加權(quán) (a)對分解后的所有子帶利用圖像的歸一化頻率fn和圖像的采樣頻率fs，得到信號(hào)的空間頻率f，即 f＝fn·fs(1) 式中，fn，fs分別由下式得到 fn＝3/2n+2(2)
式中，n＝1，2……為被加權(quán)子帶所在尺度， v為觀測距離，單位為米，這里v取顯示器高度的2-2.5倍。
r為顯示器的分辨率，單位為像素/英寸，顯示器的尺寸為21英寸，分辨率為1024×768，則有像素/英寸。
(b)利用空間頻率f，并利用對比敏感度函數(shù)， 對分解后的子帶進(jìn)行歸一化加權(quán)，使不同頻域子帶中的系數(shù)對人眼有相同的視覺感知度。
3)設(shè)定視覺感知閾值 在不同頻域系數(shù)對人眼有相同感知的前提下，根據(jù)人眼視覺感知特性，按如下過程確定所有系數(shù)的視覺感知閾值T (a)利用下式計(jì)算經(jīng)多尺度幾何分析和子帶加權(quán)后得到的每個(gè)尺度和方向子帶的標(biāo)準(zhǔn)差Ti， 式中，xi，j為子帶加權(quán)后所選第i個(gè)方向子帶的第j個(gè)系數(shù)，

為子帶加權(quán)后第i個(gè)方向子帶系數(shù)的均值；N為每個(gè)子帶中的系數(shù)的總個(gè)數(shù)； (b)選取子帶加權(quán)后最精細(xì)尺度上的M個(gè)方向子帶進(jìn)行加權(quán)，并計(jì)算所有Ti的均值Th， (c)將計(jì)算所得的均值Th設(shè)定為視覺感知閾值T T＝α·Th(7) 式中，α為加權(quán)參數(shù)。
4)對大于視覺感知閾值T的系數(shù)歸一化 分別計(jì)算參考圖像和失真圖像各方向子帶中大于視覺感知閾值T的系數(shù)所占的比重。
式中，RT(n)和DT(n)分別為參考圖像和失真圖像的第n個(gè)子帶中視覺感知系數(shù)的個(gè)數(shù)，R(n)和D(n)為其對應(yīng)子帶中所有系數(shù)的個(gè)數(shù)； 為減小數(shù)據(jù)傳輸量，只將視覺感知閾值T和PR(n)作為參考圖像的特征信息傳輸?shù)奖粶y圖像處理端，并在被測圖像處理端求得PD(n)； 5)統(tǒng)計(jì)比重絕對值差 由下式統(tǒng)計(jì)所選子帶中PR(n)和PD(n)的絕對差和S L為被選取子帶的總個(gè)數(shù)，實(shí)驗(yàn)中取L＝24。
6)圖像質(zhì)量評(píng)價(jià)測度 根據(jù)絕對值差S定義圖像質(zhì)量的評(píng)價(jià)測度Q 式中，Q0為Q動(dòng)態(tài)范圍的調(diào)節(jié)因子，Q取值范圍在0～1之間，隨著Q值的增加，圖像質(zhì)量也相應(yīng)要提高，實(shí)驗(yàn)中取Q0＝0.1。
本發(fā)明的優(yōu)點(diǎn)可通過以下實(shí)驗(yàn)進(jìn)一步說明 本實(shí)驗(yàn)是在美國TEXAS大學(xué)LIVE圖像質(zhì)量評(píng)估數(shù)據(jù)庫上進(jìn)行的，該數(shù)據(jù)庫包含29幅高分辨率的RGB圖像和通過JPEG和JPEG2000壓縮得到的一系列失真圖像，其中JPEG圖像175幅，JPEG2000圖像169幅，同時(shí)還給出了每幅圖像的主觀評(píng)價(jià)MOS等信息。為了測試本發(fā)明提出的圖像質(zhì)量客觀評(píng)價(jià)結(jié)果與主觀感知的一致性，我們選擇了以下三種度量準(zhǔn)則(1)相關(guān)系數(shù)，反映了客觀評(píng)價(jià)方法預(yù)測的精確性；(2)Spearman等級(jí)次序相關(guān)系數(shù)，反映了客觀評(píng)價(jià)成績預(yù)測的單調(diào)性；(3)離出率，反映了客觀評(píng)價(jià)方法估計(jì)的穩(wěn)定性。表1給出了本發(fā)明與全參考型的PSNR、MSSIM和RR-WISM方法的對比實(shí)驗(yàn)結(jié)果。
表1PSNR、MSSIM、RR-WISM和本發(fā)明的主客觀一致性評(píng)價(jià)比
由表1可以看出，本發(fā)明相對現(xiàn)有方法有很好的優(yōu)越性1)有更高的預(yù)測精確性，即相關(guān)系數(shù)為0.9728和0.9565，比現(xiàn)有方法相關(guān)系數(shù)大；2)有更嚴(yán)格的預(yù)測單調(diào)性，即等級(jí)次序相關(guān)系數(shù)0.9527和0.9390，比現(xiàn)有方法等級(jí)次序相關(guān)系數(shù)大；3)有更好的穩(wěn)定性，即離出率0.0457和0.0414，比現(xiàn)有方法離出率更低。
圖3顯示本發(fā)明比現(xiàn)有方法與主觀MOS值具有更好地的非線性擬合曲線逼近效果。曲線為主觀觀測值MOS與客觀評(píng)測值的最佳匹配曲線，橫坐標(biāo)表示圖像的客觀評(píng)測值，縱坐標(biāo)為圖像的主觀評(píng)測值，“+”代表圖像數(shù)據(jù)庫中JPEG或JPEG2000圖像，“+”的分布越接近圖中的曲線，表明本方法越有效。
圖(a1)是用現(xiàn)有方法PSNR評(píng)測JPEG圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線，圖(a2)是用現(xiàn)有方法PSNR評(píng)測JPEG2000圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖，從(a1)、(a2)可以看出“+”的分布范圍比較大，偏離曲線比較遠(yuǎn)。
圖(b1)是用經(jīng)典部分參考型方法RR-WISM評(píng)測JPEG圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖。圖(b2)是用經(jīng)典部分參考型方法RR-WISM評(píng)測JPEG2000圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖。從圖(b1)、(b2)可以看出“+”的分布在尾部的時(shí)候比較逼近曲線，但整體的趨勢還是偏離曲線比較遠(yuǎn)的。
圖(c1)是用經(jīng)典全參考型方法MSSIM評(píng)測JPEG圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖。圖(c2)是用經(jīng)典全參考型方法MSSIM評(píng)測JPEG2000圖像時(shí)對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖。從圖(c1)、圖(c2)可以看出“+”的分布在某些局部區(qū)域比較逼近曲線，但另外一些卻偏離很大，因此整體上說還是偏離曲線比較遠(yuǎn)的。
圖(d1)是本發(fā)明利用WBCT變換進(jìn)行圖像質(zhì)量評(píng)價(jià)時(shí)，針對JPEG圖像對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖，圖(d2)是本發(fā)明利用WBCT變換進(jìn)行圖像質(zhì)量評(píng)價(jià)時(shí)，針對JPEG2000圖像對主觀評(píng)價(jià)值MOS的預(yù)測曲線圖。從圖(d1)、圖(d2)可以看出“+”的分布整體上比較逼近曲線，僅有極個(gè)別的點(diǎn)偏離曲線較大，但在整體上還是很逼近曲線的。從以上圖的對比可以看出，本發(fā)明較已有的方法有很大的改進(jìn)，且與主觀評(píng)價(jià)值具有較好的一致性。
權(quán)利要求
1.一種基于多尺度幾何分析的圖像質(zhì)量評(píng)測方法，通過對參考圖像與被測圖像對比進(jìn)行，具體過程如下
(1)利用多尺度幾何分析方法將參考圖像和被測圖像分解成不同尺度和方向上的子帶；
(2)對各個(gè)子帶系數(shù)進(jìn)行歸一化加權(quán)，并根據(jù)參考圖像的子帶系數(shù)設(shè)定視覺感知閾值為，
式中xi，j為子帶加權(quán)后最精細(xì)尺度上第i個(gè)方向子帶的第j個(gè)系數(shù)，
為子帶加權(quán)后第i個(gè)方向子帶系數(shù)的均值，
M為所選方向子帶的數(shù)目，N為每個(gè)子帶中的系數(shù)的總個(gè)數(shù)；
(3)分別計(jì)算參考圖像和被測圖像各對應(yīng)尺度和方向子帶中大于所述視覺感知閾值T的系數(shù)占所有系數(shù)的比重PR(n)和PD(n)，即對大于視覺感知閾值T的系數(shù)歸一化，
式中，RT(n)和DT(n)分別為參考圖像和被測圖像的第n個(gè)子帶中大于視覺感知閾值T的個(gè)數(shù)，R(n)和D(n)為其對應(yīng)子帶中所有系數(shù)的個(gè)數(shù)；
(4)統(tǒng)計(jì)參考圖像和被測圖像各對應(yīng)子帶中視覺感知系數(shù)所占比重的絕對差值總量S，
式中，L為被選取子帶的總個(gè)數(shù)；
(5)根據(jù)所述的絕對差值總量S，確定被測圖像的質(zhì)量評(píng)價(jià)測度Q
式中，Q0為Q動(dòng)態(tài)范圍的調(diào)節(jié)因子，Q取值范圍在0～1之間。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于利用多尺度幾何分析方法將圖像分解成不同的尺度和方向上的子帶，采用Beamlet變換、Wedgelet變換、Bandelet變換的自適應(yīng)分析方法，或者Wavelet變換、Steerable Pyramid變換、Curvelet變換、Contourlet變換、基于Wavelet的Contourlet變換、Wavelets和方向?yàn)V波器組混合變換的非自適應(yīng)分析方法，進(jìn)行分解，分別得到圖像的點(diǎn)、直線、光滑閉曲線、光滑輪廓區(qū)域、直線段、楔形、交叉直線特征。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于對子帶進(jìn)行歸一化加權(quán)的過程如下
1)利用圖像的歸一化頻率fn和圖像的采樣頻率fs，得到信號(hào)的空間頻f，即
f＝fn·fs
式中，fn，fs分別由下式得到
fn＝3/2n+2
其中，n＝1，2……為被加權(quán)子帶所在尺度，v為觀測距離，單位為米，
r為顯示器的分辨率，單位為像素/英寸；
2)利用空間頻率f，并利用對比敏感度函數(shù)，
對分解后的子帶進(jìn)行歸一化加權(quán)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于視覺感知閾值T的設(shè)定過程如下
1)利用下式計(jì)算經(jīng)多尺度幾何分析和子帶加權(quán)后得到的每個(gè)尺度和方向子帶的標(biāo)準(zhǔn)差Ti，
式中，xi，j為子帶加權(quán)后所選第i個(gè)方向子帶的第j個(gè)系數(shù)，
為子帶加權(quán)后第i個(gè)方向子帶系數(shù)的均值；
N為每個(gè)子帶中的系數(shù)的總個(gè)數(shù)；
2)選取子帶加權(quán)后最精細(xì)尺度上的M個(gè)方向子帶進(jìn)行加權(quán)，并計(jì)算所有Ti的均值為，
3)將計(jì)算所得的均值Th設(shè)定為視覺感知閾值T
T＝α·Th
式中，α為加權(quán)參數(shù)。
全文摘要
本發(fā)明公開了一種基于多尺度幾何分析的圖像質(zhì)量評(píng)測方法，主要解決圖像質(zhì)量客觀評(píng)測與主觀評(píng)測值一致性差的問題。該方法包括(1)利用多尺度幾何分析方法對參考圖像和被測圖像進(jìn)行尺度和方向的子帶分解；(2)對分解后的所有子帶利用對比敏感度函數(shù)進(jìn)行加權(quán)；(3)根據(jù)人眼視覺感知特性，確定所有系數(shù)的視覺感知閾值；(4)分別計(jì)算參考圖像和被測圖像各方向子帶中大于視覺感知閾值的系數(shù)所占的比重；(5)統(tǒng)計(jì)參考圖像和被測圖像各方向子帶中大于視覺感知閾值的系數(shù)所占比重的絕對值差，根據(jù)比重絕對值差定義圖像質(zhì)量的評(píng)價(jià)測度。具有結(jié)構(gòu)簡單，傳輸數(shù)據(jù)量小，計(jì)算復(fù)雜度低，與主觀評(píng)測一致性好的優(yōu)點(diǎn)，可用于對圖像處理方法進(jìn)行有效性評(píng)測。
文檔編號(hào)G06T7/00GK101127926SQ20071001867
公開日2008年2月20日 申請日期2007年9月14日 優(yōu)先權(quán)日2007年9月14日
發(fā)明者高新波, 文 路, 王體勝, 鄧勤耕, 凱 曾, 潔 李, 成 鄧, 牛振興 申請人:西安電子科技大學(xué)