基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法
【專利摘要】一種新的基于梯度結(jié)構(gòu)相似度的無參考噪聲圖像質(zhì)量評價方法(NRGSIM)。所需步驟包括：(1)將原始噪聲圖像經(jīng)過高斯噪聲濾波器進行加噪處理生成再加噪圖像；(2)將原始噪聲圖像進行8x8分塊，并將子塊劃分為邊緣膨脹塊和平滑塊；(3)對不同類型塊的GSIM值賦予不同的權(quán)值；(4)計算得到整幅圖像的噪聲值。本發(fā)明在無參考圖像的前提下，通過簡單的計算，即可對噪聲圖像進行質(zhì)量評價，且與主觀評分有較好的一致性。該方法計算簡單，是一種準確可靠的無參考噪聲圖像評價方法。
【專利說明】基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像質(zhì)量評價方法，尤其涉及一種基于梯度相似度的無參考噪聲 圖像質(zhì)量評價方法，屬于圖像處理領(lǐng)域。

【背景技術(shù)】
[0002] 在傳統(tǒng)的噪聲圖像研究中，均方誤差（Mean Squared Error, MSE)和峰值信噪比 (Peak Signal-to-Noise Ratio, PSNR)是最常用的兩種全參考圖像質(zhì)量評價方法，它們計 算復(fù)雜度低，物理含義清晰，具有優(yōu)美的數(shù)學(xué)凸函數(shù)封閉形式。但不幸的是，很多研究者發(fā) 現(xiàn)，其測量結(jié)果與人們的主觀評價結(jié)果常常不一致。其中一個原因是MSE/PSNR忽略了源 圖像和失真圖像之間的聯(lián)系，沒有考慮人類視覺特性，Z. Wang和A. C. Bovik詳細討論了為 什么 MSE/PSNR 不是一個好的預(yù)測方法 "Z. Wang and A. C. Bovik，"Mean squared error : Love it or leave it? -a new look at signal fidelity measures,，'IEEE Signal Processing Magazine，vol. 26, no. 1，pp. 98-117, Jan. 2009. "。在考慮人類視覺特性的基 礎(chǔ)之上，Zhou Wang和Bovik提出了基于結(jié)構(gòu)特征的結(jié)構(gòu)相似（Structural Similarity, SSIM)質(zhì)量評價方法"WANG Z，B0VIK A C，SHEIKH H R，et al. Image quality assessment : From error visibility tostructural similarity[J]. IEEE Transactions on Image Processing，2004,13 (4) :600-612. "，他們認為人眼視覺系統(tǒng)的主要功能是提取圖像和視 頻中的結(jié)構(gòu)信息，在SSIM測度中，圖像被認為是三維客觀場景的二維投影，大量變化的光 照條件構(gòu)成了圖像的非結(jié)構(gòu)性失真，與結(jié)構(gòu)性失真組合成為圖像降質(zhì)的主要原因。后來 有出現(xiàn)了很多對SS頂進行改進的方法，例如"Z.Wang，E.P.Simoncelli，and A.C.Bovik， "Multi-scale structural similarity for image quality assessment,，'in Proc. IEEE Asilomar Conf. Signals, Syst. Comput. , Nov. 2003, pp. 1398-1402. "、"C. Li and A. C. Bovik,"Three-component weighted structural similarity index,''in Proc. SPIE, 2009, vol. 7242, pp. 72420Q-1-72420Q-9. " 以及基于信息保真準則（IFC) "H. R. Sheikh, A. C. Bovik,and G. de Veeiana/^An information fidelity criterion for image quality assessment using natural scene statistics,，' IEEE Trans. Image Process. , vol. 14, no. 12, pp. 2117-2128, Dec. 2005. "、基于自然場景統(tǒng)計模型（NSS)和基于變換域的方法（包 括離散余弦變換、小波變換和輪廓波變換）"Μ. P. Sampat，Z. Wang, S. Gupta, A. C. Bovik, and Μ· K.Markey, "Complex wavelet structural similarity：A newimage similarity index,，' IEEE Trans. Image Process. , vol. 18, no. 11, pp. 2385-2401, Nov. 2009. " 等等。
[0003] 以上這些方法大多為全參考或半?yún)⒖荚u價方法，需要借助原始圖像的全部或者部 分信息才能完成，相關(guān)文獻中無參考噪聲圖像的評價方法比較少。由于沒有原始圖像的任 何信息可以參考，構(gòu)造無參考的圖像質(zhì)量評價方法比全參考和半?yún)⒖荚u價方法要困難得 多，近年來無參考的圖像質(zhì)量評價方法研究取得了一些成果，但都不具有普遍性，僅是針對 某些特定的失真類型，且這些方法彼此獨立，沒有形成一套完善的大家公認的研究體系。
[0004] 本發(fā)明將邊緣信息，人眼視覺特性和梯度相似度相結(jié)合，提出一種新的無參考噪 聲圖像評價方法。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于梯度相似度的無參考噪聲圖像評價方法。基于本 發(fā)明，在無參考圖像的前提下，通過簡單的計算，即可對噪聲圖像進行質(zhì)量評價且與主觀評 分有較好的一致性。
[0006] 本發(fā)明是一種基于梯度相似度的無參考噪聲圖像評價方法，包括如下步驟：
[0007] 步驟1 :構(gòu)造參考圖像。將原始噪聲圖像使用11 X 11且〇 2 = 〇. 〇1的高斯噪聲濾 波器進行加噪處理，得到對應(yīng)的再加噪圖像，將再加噪圖像作為參考圖像；
[0008] 步驟2 :邊緣提取。利用canny算子提取原始噪聲圖像的邊緣信息，得到其邊緣 圖；
[0009] 步驟3 :區(qū)域劃分。將邊緣圖像進行膨脹處理，得到邊緣膨脹圖，參考圖2。于是將 原始噪聲圖像分為平滑區(qū)域（黑色區(qū)域）和邊緣膨脹區(qū)域（白色區(qū)域）；
[0010] 在噪聲圖像中，平滑區(qū)域包含了大量的噪聲信息，所以在質(zhì)量評分中占有重要作 用，為了更好的提取平滑區(qū)域，我們采用基于數(shù)學(xué)形態(tài)學(xué)的膨脹方法對邊緣圖像進行處理。 數(shù)學(xué)形態(tài)學(xué)定義了 2種基本變換，即腐蝕與膨脹，設(shè)f(x，y)是輸入的灰度圖像，b(x，y)是 給定的結(jié)構(gòu)元素，用結(jié)構(gòu)元素 b對輸入圖像y進行膨脹和腐蝕運算分別定義為：

【權(quán)利要求】
1. 一種基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法，其特征在于按如下步驟進 行： (一） ：構(gòu)造參考圖像。將原始噪聲圖像使用11XII且σ2 = 0.01的高斯噪聲濾波器 進行加噪處理，得到對應(yīng)的再加噪圖像，將再加噪圖像作為參考圖像； (二） ：邊緣提取。利用canny算子提取原始噪聲圖像的邊緣信息，得到其邊緣圖； (三） ：區(qū)域劃分。將邊緣圖像進行膨脹處理，得到邊緣膨脹圖； (四） ：加權(quán)處理。計算原始噪聲圖像和再加噪圖像之間所有對應(yīng)像素之間的GSIM值； (五） ：計算得到原始噪聲圖像的模糊值blur。
2. 根據(jù)權(quán)利要求1所述的基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法，其特征 是：在步驟（三）中，將原始噪聲圖像分為平滑區(qū)域（黑色區(qū)域）和邊緣膨脹區(qū)域（白色區(qū) 域）。
3. 根據(jù)權(quán)利要求1所述的基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法，其特征 是：在步驟（四）中，如果像素（i，j)屬于平滑區(qū)域，則對此像素處的GSIM值賦予權(quán)值w s; 如果屬于邊緣膨脹區(qū)域，則賦予權(quán)值;
梯度幅值的計算采用下面的公式
則圖像X和圖像y 的梯度相似度表示為：
4. 根據(jù)權(quán)利要求1所述的基于梯度相似度的無參考噪聲圖像質(zhì)量評價方法，其特征 是：在步驟（五）中，定.
GSM(i，j)表示原 始噪聲圖像和再加噪圖像對應(yīng)像素的梯度相似度值，Wij為每一像素的權(quán)重。梯度相似度越 大，即噪聲質(zhì)量值越大，表示原始噪聲圖像的質(zhì)量越差，反之則質(zhì)量較好。
【文檔編號】G06T7/60GK104103064SQ201310123325
【公開日】2014年10月15日 申請日期:2013年4月10日 優(yōu)先權(quán)日:2013年4月10日
【發(fā)明者】朱國平, 關(guān)彪, 王占丑, 吳小俊, 桑慶兵 申請人:無錫金帆鉆鑿設(shè)備股份有限公司