[发明专利]基于结构补偿的图像质量评价方法

说明书

技术领域

本发明涉及的是一种图像质量评价领域，具体是一种基于结构补偿(Structure Compensation)的结构相似性模型(SSIM)的全参考图像质量评价方法(SC-SSIM)。

背景技术

随着诸如图像视频压缩、存储以及传输技术在多媒体领域的广泛应用，对于高效的图像质量评价技术的需求也在高速增长。现有的图像质量评价方法主要分为主观与客观两种。其中主观评价方法应当是最为贴近真实的，但是代价非常昂贵，同时十分浪费时间，并且这种主观评价方式在实时图像处理系统中是无法应用的。而对于客观质量评价，均方差(Mean-Squared Error)以及峰值信噪比(Peak Signal-to-Noise Ratio)这两种评价方法在当前有着非常广泛的应用，然而这两种方法并不能非常准确的与人们的主观评价结果相匹配。

考虑到这种状况，Z.Wang等人在2004年《IEEE Transaction on Image Processing》上发表了“Image quality assessment:From error visibility to structural similarity”，充分考虑到人类视觉认知系统，提出了一种全新的基于图像结构信息的客观图像质量评价方法，即结构相似指数(SSIM)。Z.Wang因此论文获得IEEE Signal Processing Society Best Paper Award。随后，大量的基于结构相似指数的改进方法纷纷涌现。例如，Z.Wang等人又在2011年《IEEE Transaction on Image Processing》发表的论文“Information content weighting for perceptual image quality assessment”，提出基于信息内容加权的结构相似指数(IW-SSIM)等。此外，还有一些基于人类视觉认知系统的模型陆续提出，比如H.R.Sheikh等人在2006年《IEEE Transaction on Image Processing》发表的论文“Image information and visual quality”，提出视觉信息保真度模型(VIF)等。然而，这些质量评价方式并没有考虑到对不同失真类型来进行相对的反馈。这促使我们去设计一种新的客观质量评价方法，将不同失真类型的不同反馈融入其中，从而提高客观图像质量评价的准确度。

发明内容

针对现有技术的不足，本发明提供一种基于结构补偿的图像质量评价方法，在本发明之中，通过定义的模糊度分辨出不同种类的图像失真类型，来补偿结构相似性模型无法根据不同种类失真图像的情况做出相应反馈的不足。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步、确定参考图X与失真图Y的结构相似指数SSIM(X，Y)；

第二步、确定参考图X与参考图X经过高斯低通滤波后的图像μ_X的结构相似指数，将结果定义为参考图X的模糊度AMB(X)；

第三步、确定失真图Y与失真图Y经过高斯低通滤波后的图像μ_Y的结构相似指数，结果为失真图Y的模糊度AMB(Y)；

第四步、确定参考图X的模糊度AMB(X)与失真图Y的模糊度AMB(Y)之差，将结果定义为参考图X与失真图Y的结构补偿SC(X，Y)；

第五步、将参考图X与失真图Y的结构相似指数SSIM(X，Y)与参考图X与失真图Y的结构补偿SC(X，Y)进行非线性组合，结果即为基于结构补偿的结构相似性指数SC-SSIM(X，Y)；

第六步、根据视频质量专家组VQEG的推荐，对SC-SSIM(X，Y)进行逻辑回归，得到新的质量指数SC-SSIM，该值越大则预测图像质量越好，值越小则预测图像质量越差。

本发明的原理是，不同种类失真的图像与其高斯低通滤波后图像的结构相似指数(SSIM)有着相应的不同种类的反馈，根据这种对应关系可以确定失真图像的失真类型可以来定义结构补偿(Structure Compensation)，并与现有的结构显示指数(SSIM)进行非线性组合，从而得到新的指数SC-SSIM。

与现有技术相比，本发明具有如下的有益效果：