一種基于Contourlet變換和Frobenius范數(shù)半?yún)⒖紙D像質(zhì)量評價(jià)方法
【專利摘要】Contourlet變換具有多分辨率、多尺度、多方向和各向異性等性質(zhì)，其少量系數(shù)即可有效地捕捉圖像中的邊緣輪廓，本發(fā)明基于Contourlet變換提出了一種的半?yún)⒖紙D像質(zhì)量評價(jià)算法。首先對參考圖像和待評價(jià)圖像分別進(jìn)行3尺度4級Contourlet分解，其次對每一子帶進(jìn)行奇異值分解，并使用Frobenius范數(shù)計(jì)算能量，得到每一尺度上的能量特征向量，最后計(jì)算參考圖像和待評價(jià)圖像3個(gè)尺度上能量特征向量之間的夾角并加權(quán)求和，最終得到待評價(jià)圖像質(zhì)量得分。在3個(gè)公開數(shù)據(jù)庫上的大量實(shí)驗(yàn)結(jié)果表明，本發(fā)明算法性能優(yōu)越，與人類視覺系統(tǒng)具有較高的一致性。
【專利說明】-種基于Contour I et變換和Froben i us范數(shù)半?yún)⒖紙D像質(zhì) 量評價(jià)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于Contourlet變換和Frobenius范數(shù)半?yún)⒖紙D像質(zhì)量評價(jià)方 法，屬于圖像處理【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 數(shù)字圖像已經(jīng)存在于我們生活的方方面面，但圖像在采集、傳輸、存取等過程中常 常會引入失真，如何對圖像進(jìn)行質(zhì)量評價(jià)很有意義。圖像質(zhì)量評價(jià)算法可分為主觀質(zhì)量評 價(jià)算法和客觀圖像質(zhì)量評價(jià)算法。主觀評價(jià)雖然準(zhǔn)確，但耗時(shí)耗力，又不能嵌入到系統(tǒng)中去 自動評判，所以客觀評價(jià)方法更加實(shí)用?？陀^圖像質(zhì)量評價(jià)算法可分為全參考圖像質(zhì)量評 價(jià)（Full Reference, FR)、無參考圖像質(zhì)量評價(jià)（No Reference, NR)和半?yún)⒖紙D像質(zhì)量評價(jià) (Reduced Reference, RR)。目前，全參考圖像質(zhì)量評價(jià)算法發(fā)展最成熟，半?yún)⒖紙D像質(zhì)量評 價(jià)算法次之，無參考圖像質(zhì)量評價(jià)算法正處于發(fā)展初期，尚沒有形成統(tǒng)一完整的有效的無 參考圖像質(zhì)量評價(jià)體系。半?yún)⒖紙D像質(zhì)量評價(jià)方法因?yàn)橹挥玫絽⒖紙D像的部分信息，易于 傳輸，更易被嵌入即時(shí)應(yīng)用系統(tǒng)中，比全參考方法更適合實(shí)際應(yīng)用。
[0003] Contourlet變換具有多分辨率、局部定位、多方向性、近鄰界采樣和各向異性等性 質(zhì)，其基函數(shù)分布于多尺度、多方向上，少量系數(shù)即可有效地捕捉圖像中的邊緣輪廓，而邊 緣輪廓正是圖像質(zhì)量的主要特征，因此符合人眼視覺特性，適合圖像質(zhì)量評價(jià)。本發(fā)明在輪 廓波變換（Contourlet Transform)的基礎(chǔ)上，利用奇異值提取Contourlet域上的能量信 息來來進(jìn)行半?yún)⒖紙D像質(zhì)量評價(jià)。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明是基于Contourlet變換提出了一種的半?yún)⒖紙D像質(zhì)量評價(jià)算法。首先對 參考圖像和待評價(jià)圖像分別進(jìn)行3尺度4級Contourlet分解，其次對每一子帶進(jìn)行奇異值 分解，并使用Frobenius范數(shù)計(jì)算能量，得到每一尺度上的能量特征向量，最后計(jì)算參考圖 像和待評價(jià)圖像3個(gè)尺度上能量特征向量之間的夾角并加權(quán)求和，最終得到待評價(jià)圖像質(zhì) 量得分。在3個(gè)公開數(shù)據(jù)庫上的大量實(shí)驗(yàn)結(jié)果表明，本發(fā)明算法性能優(yōu)越，與人類視覺系統(tǒng) 具有較高的一致性。

【專利附圖】

【附圖說明】
[0005] 圖1是Contourlet分解不意圖 [0006] 圖2是本發(fā)明算法流程圖

【具體實(shí)施方式】
[0007] Contourlet變換由拉普拉斯金字塔和方向?yàn)V波器組成，拉普拉斯金字塔 (Laplacian Pyramid, LP)產(chǎn)生多分辨率圖像，方向?yàn)V波器組（Directional Filter Bank，DFB)得到不同方向子帶的高頻信息（帶通方向子帶），原始圖像首先應(yīng)用LP得到低 頻信息和高頻信息，然后對高頻信息應(yīng)用DFB得到帶通方向子帶，對低頻信息循環(huán)此過程 可得到多分辨率帶通方向子帶。
[0008] 對參考圖像和待評測圖像進(jìn)行3尺度Contourlet分解，每一尺度上進(jìn)行4級方向 分解，每一尺度上得到16個(gè)不同方向子帶，分別計(jì)算每一子帶的能量，因此得到每一尺度 的子帶能量特征向量Eng veetOT(k)，如下式所示，EngveetOT(k) =Eng(k)，k= 1,2，…，16。
[0009] 其中，一個(gè)矩陣A的能量Eng可用Frobenius范數(shù)表示，對一幅大小為mXn的灰 度圖片A進(jìn)行奇異值分解，可得到圖像的能量Eng :

【權(quán)利要求】
1?一種基于Contourlet變換提出了一種的半?yún)⒖紙D像質(zhì)量評價(jià)算法。首先對參考圖 像和待評價(jià)圖像分別進(jìn)行3尺度4級Contourlet分解，其次對每一子帶進(jìn)行奇異值分解， 并使用Frobenius范數(shù)計(jì)算能量，得到每一尺度上的能量特征向量，最后計(jì)算參考圖像和 待評價(jià)圖像3個(gè)尺度上能量特征向量之間的夾角并加權(quán)求和，最終得到待評價(jià)圖像質(zhì)量得 分，過程如下： 步驟1，分別對待評價(jià)失真圖像和對應(yīng)的參考圖像進(jìn)行3層4級Contourlet分解，分別 得到圖像每層的16個(gè)不同方向子帶圖像；
分別計(jì)算失真圖像和參考圖像每層能量特征向量之間的夾角92和Q3 ; 步驟 4,令 ％、W2 和 W3 分別為 0? 7、0. 2 和 0? 1，根據(jù)公式：QENG = W1* 0 i+w2* 0 2+w3* 0 3計(jì)算圖像質(zhì)量值QENG。
【文檔編號】G06T7/00GK104361596SQ201410670298
【公開日】2015年2月18日 申請日期:2014年11月20日 優(yōu)先權(quán)日:2014年11月20日
【發(fā)明者】殷瑩 申請人:江南大學(xué)