專利名稱：基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的圖像質(zhì)量評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字視頻圖像質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，涉及一種全參考型基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的圖像質(zhì)量客觀評(píng)價(jià)方法。
背景技術(shù)：
視頻圖像在獲取、壓縮、存儲(chǔ)、傳輸和重建的過程中會(huì)引入各種失真，從而導(dǎo)致圖像質(zhì)量的損失。如何在一定的成本條件下最大限度地提高圖像質(zhì)量，或者在保證圖像質(zhì)量的前提下改進(jìn)圖像處理的性能，設(shè)計(jì)性價(jià)比最優(yōu)的系統(tǒng)方案，變得尤為重要。圖像質(zhì)量評(píng)價(jià)作為視頻圖像處理系統(tǒng)性能的關(guān)鍵評(píng)價(jià)指標(biāo)之一，對(duì)提升系統(tǒng)的整體性能的具有重要的意義。因此，高效的視頻圖像質(zhì)量評(píng)價(jià)方法成為數(shù)字視頻圖像處理技術(shù)研究的基礎(chǔ)和關(guān)鍵。圖像質(zhì)量評(píng)價(jià)方法主要分主觀評(píng)價(jià)方法與客觀評(píng)價(jià)方法兩類。雖然主觀評(píng)價(jià)是最為可靠的圖像質(zhì)量評(píng)價(jià)方法，但它的缺陷也顯而易見。第一，由于受到觀察者知識(shí)背景、 觀測(cè)動(dòng)機(jī)、心理狀態(tài)和觀測(cè)環(huán)境等因素的影響，無法成為一種精確可重復(fù)的測(cè)量方法，很難作為工程測(cè)量手段采用；第二，主觀評(píng)價(jià)費(fèi)時(shí)費(fèi)力，需要很多測(cè)試人員對(duì)大量的圖像進(jìn)行觀測(cè)，可操作性差；第三，在實(shí)際應(yīng)用中，主觀評(píng)價(jià)無法嵌入到圖像處理系統(tǒng)中，難以滿足實(shí)時(shí)性的需求。上述特點(diǎn)使得主觀評(píng)價(jià)很少直接應(yīng)用于圖像質(zhì)量的度量，而更多時(shí)候作為定性分析圖像質(zhì)量的一種手段，或作為算法性能分析的參考標(biāo)準(zhǔn)。因此，圖像質(zhì)量評(píng)價(jià)的“客觀化”趨勢(shì)變得越來越明顯，研究符合人類主觀感受的圖像客觀質(zhì)量評(píng)價(jià)方法具有重要的理論意義和應(yīng)用價(jià)值。圖像質(zhì)量客觀評(píng)價(jià)方法是指通過設(shè)計(jì)數(shù)學(xué)模型，對(duì)圖像進(jìn)行智能分析， 并按照設(shè)計(jì)的質(zhì)量尺度進(jìn)行自動(dòng)評(píng)分的評(píng)價(jià)方法。這種方法通過量化輸入原始參考圖像和待評(píng)價(jià)失真圖像之間的差異，提供可重復(fù)的、與人的主觀感知質(zhì)量接近的客觀質(zhì)量。根據(jù)對(duì)參考圖像的依賴程度，客觀評(píng)價(jià)算法可以分為全參考、部分參考和無參考三類。本發(fā)明是一種基于結(jié)構(gòu)相似度的全參考圖像質(zhì)量評(píng)價(jià)方法。基于結(jié)構(gòu)相似度全參考質(zhì)量評(píng)價(jià)方法在總結(jié)圖像質(zhì)量評(píng)價(jià)研究成果及人類視覺特性的基礎(chǔ)上，提出了結(jié)構(gòu)信息的概念，認(rèn)為人類視覺的主要功能是提取場(chǎng)景中的結(jié)構(gòu)信息。該類方法采用參考圖像和待評(píng)價(jià)失真圖像間的結(jié)構(gòu)相似度度量圖像感知質(zhì)量，摒棄由誤差可見度決定圖像感知質(zhì)量的假設(shè)，通過比較參考圖像與待評(píng)價(jià)失真圖像之間的亮度、 對(duì)比度和結(jié)構(gòu)相似度，量化圖像的失真程度，實(shí)現(xiàn)對(duì)失真圖像質(zhì)量的評(píng)價(jià)，取得了較好的評(píng)價(jià)效果。但是，傳統(tǒng)的基于結(jié)構(gòu)相似度的方法存在幾方面的缺陷一是沒有考慮人眼的視覺注意特征，無法充分?jǐn)M合人類視覺系統(tǒng)的多層視覺特性，從而導(dǎo)致對(duì)圖像質(zhì)量的評(píng)價(jià)準(zhǔn)確性較低；二是對(duì)于不同失真類型和不同失真強(qiáng)度的圖像質(zhì)量評(píng)價(jià)缺乏一致性。

發(fā)明內(nèi)容
本發(fā)明的目的，就是針對(duì)傳統(tǒng)的基于結(jié)構(gòu)相似度的圖像客觀質(zhì)量評(píng)價(jià)方法在準(zhǔn)確性方面的不足，充分考慮人類視覺系統(tǒng)的視覺注意特征和多層視覺特性，提供一種基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的全參考型圖像質(zhì)量客觀評(píng)價(jià)方法。首先基于視覺顯著性圖產(chǎn)生尺度內(nèi)權(quán)重實(shí)現(xiàn)對(duì)于結(jié)構(gòu)相似度的加權(quán)綜合；并進(jìn)一步通過多尺度的尺度間加權(quán)綜合，擬合人類視覺系統(tǒng)的多層視覺特性到，從而提高圖像質(zhì)量評(píng)價(jià)的準(zhǔn)確性。為實(shí)現(xiàn)上述目的，本發(fā)明基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的圖像質(zhì)量客觀評(píng)價(jià)方法的技術(shù)方案包括以下步驟步驟(1).分別讀取原始圖像和失真圖像，并將原始圖像作為參考圖像；步驟O).對(duì)參考圖像進(jìn)行低通濾波處理，將低通濾波處理后的參考圖像定義為第一尺度參考圖像；對(duì)第一尺度參考圖像進(jìn)行迭代低通濾波和降采樣處理后得到第二尺度參考圖像，對(duì)第二尺度參考圖像進(jìn)行迭代低通濾波和降采樣處理后得到第三尺度參考圖像，以此類推，得到第M尺度參考圖像；對(duì)失真圖像進(jìn)行低通濾波處理，將低通濾波處理后的失真圖像定義為第一尺度失真圖像；對(duì)第一尺度失真圖像進(jìn)行迭代低通濾波和降采樣處理后得到第二尺度失真圖像， 對(duì)第二尺度失真圖像進(jìn)行迭代低通濾波和降采樣處理后得到第三尺度失真圖像，以此類推，得到第M尺度失真圖像；所述的降采樣處理是水平方向和垂直方向各自減半；步驟(3).利用視覺注意檢測(cè)模型對(duì)步驟( 處理得到的第一尺度參考圖像、第二尺度參考圖像……第M尺度參考圖像分別進(jìn)行視覺注意檢測(cè)，分別獲得第一尺度參考圖像、 第二尺度參考圖像……第M尺度參考圖像的視覺顯著性圖，從而構(gòu)成參考圖像的多尺度視覺顯著性圖；所述的視覺注意檢測(cè)模型是指基于顯著性計(jì)算，利用時(shí)間域和空間域HVS(人類視覺系統(tǒng)，HUMAN VISUAL SYSTEM)感知特性，模擬HVS通過自底向上和自頂向下兩種處理方式，從而完成視覺注意焦點(diǎn)的提取。步驟計(jì)算多尺度視覺顯著性圖中各個(gè)尺度的尺度內(nèi)結(jié)構(gòu)相似度加權(quán)綜合權(quán)重；尺度內(nèi)結(jié)構(gòu)相似度加權(quán)綜合權(quán)重公式如下
權(quán)利要求
1.基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的圖像質(zhì)量評(píng)價(jià)方法，其特征在于如下步驟 步驟(1).分別讀取原始圖像和失真圖像，并將原始圖像作為參考圖像； 步驟O).對(duì)參考圖像進(jìn)行低通濾波處理，將低通濾波處理后的參考圖像定義為第一尺度參考圖像；對(duì)第一尺度參考圖像進(jìn)行迭代低通濾波和降采樣處理后得到第二尺度參考圖像，對(duì)第二尺度參考圖像進(jìn)行迭代低通濾波和降采樣處理后得到第三尺度參考圖像，以此類推，得到第M尺度參考圖像；對(duì)失真圖像進(jìn)行低通濾波處理，將低通濾波處理后的失真圖像定義為第一尺度失真圖像；對(duì)第一尺度失真圖像進(jìn)行迭代低通濾波和降采樣處理后得到第二尺度失真圖像，對(duì)第二尺度失真圖像進(jìn)行迭代低通濾波和降采樣處理后得到第三尺度失真圖像，以此類推，得到第M尺度失真圖像；所述的降采樣處理是水平方向和垂直方向各自減半；步驟(3).利用視覺注意檢測(cè)模型對(duì)步驟( 處理得到的第一尺度參考圖像、第二尺度參考圖像直到第M尺度參考圖像分別進(jìn)行視覺注意檢測(cè)，分別獲得第一尺度參考圖像、第二尺度參考圖像直到第M尺度參考圖像的視覺顯著性圖，從而構(gòu)成參考圖像的多尺度視覺顯著性圖；步驟計(jì)算多尺度視覺顯著性圖中各個(gè)尺度的尺度內(nèi)結(jié)構(gòu)相似度加權(quán)綜合權(quán)重； 尺度內(nèi)結(jié)構(gòu)相似度加權(quán)綜合權(quán)重公式如下
全文摘要
本發(fā)明公布了基于多尺度結(jié)構(gòu)相似度加權(quán)綜合的圖像質(zhì)量評(píng)價(jià)方法。傳統(tǒng)的基于結(jié)構(gòu)相似度的方法存在多方面的缺陷，本發(fā)明方法充分考慮人類視覺系統(tǒng)的視覺注意特征和多層視覺特性，實(shí)現(xiàn)在尺度內(nèi)和尺度間對(duì)結(jié)構(gòu)相似度的加權(quán)綜合，開展全參考圖像質(zhì)量的客觀評(píng)價(jià)。主要包括在尺度內(nèi)，基于視覺顯著性圖產(chǎn)生相應(yīng)圖像塊的權(quán)重系數(shù)，對(duì)結(jié)構(gòu)相似度進(jìn)行尺度內(nèi)的加權(quán)綜合；在尺度間，通過基于訓(xùn)練或經(jīng)驗(yàn)獲得的權(quán)重系數(shù)，對(duì)結(jié)構(gòu)相似度進(jìn)行尺度間的加權(quán)綜合。本發(fā)明大幅提高了圖像質(zhì)量評(píng)價(jià)的性能，明顯改善了傳統(tǒng)結(jié)構(gòu)相似度方法中預(yù)測(cè)準(zhǔn)確性偏低的問題，而且克服了傳統(tǒng)方法中對(duì)于不同失真類型和不同失真強(qiáng)度的圖像質(zhì)量評(píng)價(jià)缺乏一致性的缺陷。
文檔編號(hào)H04N17/00GK102421007SQ20111038434
公開日2012年4月18日 申請(qǐng)日期2011年11月28日 優(yōu)先權(quán)日2011年11月28日
發(fā)明者丁勇, 劉侃, 張東, 張淵, 王翔, 高錦煒 申請(qǐng)人:浙江大學(xué)