[发明专利]基于结构失真和图像清晰度的图像质量评价方法

说明书

技术领域

本发明属于图像质量评价领域，特别是涉及一种基于图像的亮度、清晰度和相关度的客观图像质量评价算法。

背景技术

图像质量评价是图像处理系统的关键技术之一，对图像的质量进行评价是一种复杂的心理活动，有很多因素影响到对图像质量好坏的判断。如果将这些因素分别提取并应用于对图像的客观评价中将能很好的对图像质量进行判定。这些因素主要有：①亮度，适当的亮度是人观察图像的基本条件，亮度过强或者过弱都会引起图像质量的下降；②清晰度，人们常用模糊，清晰等词汇来描述图像的质量。从频域角度看，只有当一幅图像的高低频信息比例适当时会有清晰的感觉；③相关度，即图像之间的相似程度。

图像质量评价方法可分为主观质量评价方法和客观质量评价方法两类。主观质量评价方法是指让观察者根据一些事先规定好的评价尺度或自己已有的经验，对待测试图像按视觉或主观印象提出质量判断，并给出质量分值。最常用的主观质量评价方法有主观平均分(MOS)，该方法已经应用多年。然而，MOS方法往往受到观察者本身因素的影响，而且进行视觉心理测试经常需要花费的时间较长，对观察环境有一定的限制。因此，目前在图像质量评价中主要使用客观质量评价方法。这几乎在所有有关图像质量评价的文献和研究论文中均有论述。图像的客观质量评价方法是指用再现图像偏离原始图像的误差来衡量再现图像的质量。其主要是应用数学模型来表示视觉对图像的主观感受。数学模型的应用使得图像的客观质量评价具有快速、稳定、易于被量化的特点，传统的图像客观质量评价通常基于与标准图像的灰度差异越大质量退化越严重的思想，具有代表性的方法有均方误差(MSE)、峰值信噪比(PSNR)、图像清晰度、信息熵(H)等。这些常用的客观质量评价方法虽然看起来简单直观，数学表达严格，但是其评价结果往往与人的主观感觉不一致。主要原因在于PSNR值和MSE值都是从总体上反映原始图像和测试图像的差别，其反映的是图像误差的整体统计特性，却并不能反映图像误差的局部统计特性，更不能反映少数像素点有较大灰度差别和多数像素点有较小灰度差别的特性。

Zhou Wang等学者提出了一种基于结构失真的图像质量评价方法。该图像质量评价指标将图像质量降低模拟为结构失真而不是误差。该方法是一个简单有效的质量评价算法，这种评价模型的优点是对图像处理过程中的相关性、亮度失真和反差等因素进行分析研究，而这些因素正是人们评价图像输出质量的重要依据。Q的动态范围为[-1，1]。只有当i＝1，2，...，N都有yi＝xi时，Q才能达到最佳值1。然而，基于结构失真的图像质量评价模型在评价失真图像质量时，也有一定的缺陷性。其主要原因在于该模型没有考虑人眼视觉系统中的对比敏感度对图像评价的影响。人眼视觉系统的对比敏感度主要反映在图像的清晰度等方面。

图像的清晰度是指刻画图像特征的清晰程度，也就是特征(边缘)与其背景区域的对比度。清晰度是用来反映图像边缘或点特征的扩散程度的度量，扩散程度越大，清晰度越低，扩散程度越小，清晰度越高。定量评价清晰度的指标较多。目前，最为成熟的清晰度评价方法是调制传递函数(MTF—Modulation Transfer Function)，但是MTF的测定较为复杂。为了简捷，快速的反映整幅影像的清晰度变化，引入了全局点锐度算法作为一种近似的清晰度评价依据。该评价参数与数字成像系统的MTF值变化有较好的正相关关系，能够准确，快速的反应数字图像清晰度变化的趋势。

图像的清晰度不但反映了人眼视觉系统中的对比敏感度对图像评价的影响，而且考虑了人眼对于对角线方向的敏感度要低于水平和垂直方向等因素。但是，对于引进噪声的失真图像，并非图像清晰度值越高图像的主观视觉越好，原因在于图像的清晰度是对图像本身像素之间的计算，它并没有考虑到失真图像与原始图像的相关性。

发明内容

为了客服上述现有技术的不足，本发明提供一种结构失真和图像清晰度的图像质量评价方法。

实现本发明目的采用的技术方案是：一种考虑图像的亮度、清晰度和相关度等因素的客观图像质量评价算法，包括以下步骤：