一種基于信息熵特征的無參考圖像質量評價方法
【專利摘要】本發(fā)明涉及一種圖像質量評價方法，特別涉及一種基于信息熵特征的無參考圖像質量評價方法，屬于圖像分析領域。本方法首先對失真圖像進行Contourlet變換，得到N×M個變換子帶，再將每個變換子帶和未變換的原始失真圖像進行分塊處理，然后在每個分塊系數(shù)矩陣上計算空域信息熵和頻域信息熵，篩選分塊特征并計算均值得到每個變換子帶的質量特征值。然后利用支持向量機的方法和無參考圖像質量評價的兩步框架，在測試集上進行測試，利用訓練得到的分類模型、評價模型和測試集對應的質量特征向量，進行質量預測和評估。本方法具有主觀一致性高，時間復雜度小、通用性好的特點；可以嵌入到與圖像質量相關的應用系統(tǒng)中，具有很強的應用價值。
【專利說明】一種基于信息熵特征的無參考圖像質量評價方法
【技術領域】
[0001]本發(fā)明涉及一種圖像質量評價方法，特別涉及一種基于信息熵特征的無參考圖像質量評價方法，屬于圖像分析領域。
【背景技術】
[0002]圖像信息有著其他形式的信息所無法比擬的顯著優(yōu)點，人們能夠直觀、準確、高效地利用圖像信息對客觀世界進行感知理解，并對其進行合理有效地處理。在圖像的獲取、處理、傳輸和記錄的過程中，由于各方面的硬件軟件限制，會不可避免地產(chǎn)生圖像失真，這會給人們準確地感知圖像信息帶來很多負面影響。例如，在圖像識別系統(tǒng)中，圖像采集過程中產(chǎn)生的失真將直接影響到識別準確性；遠程會議系統(tǒng)容易受到網(wǎng)絡傳輸失真的影響；在軍事應用方面，航拍設備所采集到的圖像及視頻質量還將直接影響到戰(zhàn)場監(jiān)視和打擊評估的效果。可見，圖像質量評價在多個領域具有極為重要的實用價值。
[0003]在眾多的圖像質量評價方法中，最可靠的質量度量方法當屬主觀圖像質量評價方法。該方法同時也存在許多導致其無法進行實際應用的缺點，如無法使用數(shù)學模型描述從而嵌入到系統(tǒng)當中進行應用，評價結果容易受到受測人主觀認識差異的影響，代價過高等等。與其相對的客觀圖像質量評價往往是人們的研究熱點，在這其中全參考和部分參考評價方法由于必須借助全部或部分原始圖像信息作為參考，而在現(xiàn)實中原始參考信息往往是難以得到的，這使得它們的應用范圍受到了較大的限制。無參考圖像質量評價由于不需要任何原始參考信息，符合絕大多數(shù)場合下的現(xiàn)實要求，具有最廣的應用范圍和最大的應用價值。
[0004]客觀圖像質量評價的基本目標是能夠得到與人眼主觀感受相一致的質量評價結果，最終目標是利用計算機代替人眼去感知圖像和視頻。當前，圖像質量評價在人們日常生活中主要有以下應用:
[0005](I)嵌入到應用系統(tǒng)中實時調整圖像的質量；
[0006](2)在圖像處理系統(tǒng)中為程序的參數(shù)優(yōu)化的提供根據(jù)；
[0007](3)衡量圖像處理方法好壞的一個度量。
[0008]綜上所述，開展對于客觀無參考圖像質量評價的研究具有廣泛的理論意義和重要的應用價值。本發(fā)明提出了一種信息熵特征的無參考圖像質量評價方法，其參考的已有技術為 Moorthy 等人在文獻《Atwo-step framework for constructing blind imagequality indices))中提出的無參考圖像質量評價的兩步框架，涉及的基礎【背景技術】主要為Contouelet變換和圖像信息熵。
[0009](一)無參考圖像質量評價的兩步框架
[0010]Moorthy等人提出無參考圖像質量評價的兩步框架，即對失真圖像依次進行失真識別和基于特定失真類型的質量評價。
[0011]給定具有已知失真類型的一個圖像訓練集合，我們的算法需要被校準能夠囊括η種失真類型，為此，我們需要利用正確的分類和特征向量作為輸入來訓練一個分類器。分類器學習從特征空間到失真類標的映射，一旦實現(xiàn)了這種校準，訓練得到的分類器就可以對給定的輸入圖像(即，輸入圖像的特征向量)進行失真分類評估了。
[0012]在我們的方法中，分類器并不產(chǎn)生一個硬分類。相反，我們從分類其中提取的是概率估計，這個估計表明了分類器把輸入放入每一種失真類型中的信心。這樣對于輸入圖像的特征向量，訓練得到的分類器會產(chǎn)生一個η維向量ρ，P代表輸入圖像包含η種失真的可能性。
[0013]簡單的，給定一個圖像訓練集合，集合中的每幅圖像都有對應η種失真類型的質量分數(shù)，我們訓練的η個回歸模型來把特征向量映射到相應的質量分數(shù)上。由于每個模型都是用特定失真訓練得到的，這些回歸模型一旦訓練完成，基于特定失真的質量評價器(即訓練模型)就會假設圖片是被特定失真損壞的，從而產(chǎn)生一個質量估計。
[0014]待評價的輸入圖像，使用所有訓練得到的基于特定失真的質量評價模型進行評價，這樣我們就可以由η個回歸模型得到的η維向量q。
[0015]根據(jù)得到的兩個向量P和q，每一個基于特定失真質量的分數(shù)都用圖像中失真出現(xiàn)的概率加權，可以得到客觀預測分數(shù)

η
[0016]Q = Yd P-Mi(1)
[0017]其中，Pi表示向量ρ的第i維分量，Qi表示向量q的第i維分量，η表示失真的種類數(shù)目。
[0018](二)Contouelet 變換
[0019]Do和Vetterli提出的Contourlet變換具有局部、方向和多分辨率的特性，是一種能夠對圖像進行稀疏表示的圖像變換工具，能夠最優(yōu)的表示圖像，與人眼感知圖像的方式
相一致。
[0020]Contourlet變換的基函數(shù)具有“長條形”的支撐區(qū)間，能夠更好地捕獲失真在不同方向的不同影響，即捕獲失真的各向異性。Contourlet變換通過拉普拉斯金字塔實現(xiàn)對圖像的多尺度分析，通過方向濾波器組濾波實現(xiàn)對圖像的多方向分析，而我們的方法之所以結合Contourlet變換，就是利用其多尺度特性和多方向特性。
[0021](三)信息熵特征
[0022]信息熵反映了圖像的整體的統(tǒng)計，是信息量的度量。信息熵與圖像的統(tǒng)計直方圖、圖像矩之間存在著十分密切的關系。
[0023]圖像的全局信息熵同圖像的全局直方圖類似，僅僅反映了整幅圖像的全局統(tǒng)計特征，忽略了圖像的空間分布特征。因而，具有相同全局信息熵的兩幅圖像在視覺感受上可能是完全不同的，所以圖像的全局信息熵特征無法反映出兩幅圖像間的視覺感受差異。如果只在圖像的某一局部上定義信息熵熵，則稱其為局部信息熵。相對于圖像的全局信息熵，圖像的局部信息熵反映了圖像局部灰度分布的統(tǒng)計特性。由熵的定義可知，圖像的局部熵反映了該局部所含有信息量的大小，因此局部熵可以用來描述圖像的局部性質。如果該局部存在邊緣的話，則該局部灰度值會急劇變化，這時計算出的熵大；反之，計算出的熵值會小，所以局部熵可以方便的檢測邊緣。這與人眼的邊緣敏感性是非常符合的。
[0024]現(xiàn)有的無參考圖像質量評價技術的性能普遍較低，主觀一致性不高，而且時間復雜度和空間復雜度較大，很難應用到實際系統(tǒng)中。
【發(fā)明內容】

[0025]本發(fā)明的目的是為了解決無參考圖像質量評價技術的性能低，主觀一致性差，而且時間復雜度和空間復雜度大的問題，提供一種基于信息熵特征的無參考自然圖像質量評價方法。
[0026]本發(fā)明方法是通過下述技術方案實現(xiàn)的。
[0027]—種基于信息熵特征的無參考圖像質量評價方法，其具體實施步驟如下:
[0028]步驟一、為了對失真圖像進行多尺度和多方向分析，首先對失真圖像進行Contourlet變換，得到NXM個變換子帶，每個變換子帶對應一個系數(shù)矩陣。
[0029]步驟二、將步驟一得到的每個變換子帶和未變換的原始失真圖像進行分塊處理，得到每個分塊對應的分塊系數(shù)矩陣，然后在每個分塊系數(shù)矩陣上計算空域信息熵和頻域信息熵，篩選分塊特征并計算均值得到每個變換子帶的質量特征值。具體計算方法如下:
[0030]步驟2.1，計算各個變換子帶的空域信息熵特征值。
[0031]為了計算系數(shù)矩陣的空域信息熵特征值，把步驟一中得到的NXM個變換子帶的系數(shù)值均縮放到[0，255]區(qū)間。
[0032]對于其中尺度為i，方向為j的變換子帶，分別計算其各個分塊系數(shù)矩陣的空域信
息摘Es:
【權利要求】
1.一種基于信息熵特征的無參考圖像質量評價方法，其特征在于:其具體步驟如下:步驟一、對失真圖像進行Contourlet變換,得到NXM個變換子帶,每個變換子帶對應一個系數(shù)矩陣； 步驟二、將步驟一得到的每個變換子帶和未變換的原始失真圖像進行分塊處理，得到每個分塊對應的分塊系數(shù)矩陣，再在每個分塊系數(shù)矩陣上計算空域信息熵和頻域信息熵，篩選分塊特征并計算均值得到每個變換子帶的質量特征值；具體計算方法如下: 步驟2.1，計算各個變換子帶的空域信息熵特征值； 把步驟一中得到的NXM個變換子帶的系數(shù)值均縮放到[0，255]區(qū)間； 對于其中尺度為i，方向為j的變換子帶，分別計算其各個分塊系數(shù)矩陣的空域信息熵Es:
【文檔編號】H04N17/00GK103475898SQ201310421710
【公開日】2013年12月25日 申請日期:2013年9月16日 優(yōu)先權日:2013年9月16日
【發(fā)明者】劉利雄, 劉寶, 黃華 申請人:北京理工大學