[发明专利]基于小波域的自适应高频滤波方法

说明书

技术领域

本发明涉及一种能够有效提高图像质量评价精度的方法，具体地，涉及一种基于小波域的的自适应高频滤波方法。 

背景技术

众所周知，人眼视觉系统(HVS)具有多分辨率解析的能力。因此在客观图像质量评价(IQA)领域中，许多顶级方法，如：MS-SSIM，IW-PSNR/SSIM都利用了多分辨率解析。它们优越的性能也显示了多分辨率解析对于质量评价方法的重大意义。然而在这些方法中，分解层数往往一成不变，不能根据观察距离等外部因素进行自适应地调整。 

考虑到这种状况，Weisi Lin等人在2011年《Journal of visual communication and image representation》上发表了“Perceptual visual quality metrics:A survey”。它从经验上提出了一个简单的尺度变换方法：Z＝MAX(1,round(H/256))，然而这种方法没有考虑图像宽度和观察距离等外部因素的影响，不符合人眼的实际特性。 

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于小波域的的自适应高频滤波方法，该方法根据观察距离和图像分解层数，自适应地滤除高频子带，从而有效提高了PSNR，SSIM方法的质量评价精度。 

为实现以上目的，本发明提供一种基于小波域的的自适应高频滤波方法，所述方法首先利用小波变换对图像进行四层分解，得到十二条高频子带，并根据观察距离和子带层数对每条子带系数给予不同权重；再通过阈值比较自适应地对高频子带系数进行滤除，并重构出高频滤除后的图像。 

所述方法具体包括以下步骤： 

第一步、计算图像X经过小波变换后的十二条高频子带，记为(i，l)； 

第二步、计算每条子带的权重系数w(i，d，l)； 

第三步、通过阈值比较，重构出高频滤除后的图像X_A； 

第四步、分别计算出高频滤波前后图像X，Y；X_A，Y_A的峰值信噪比(PSNR)和结构相似度(SSIM)质量评价分数。 

本发明的原理是：由人眼视觉系统(HVS)的对比度敏感函数可知，人眼对视觉信息的提取是一个低通滤波的过程。人眼提取信息量的多少则取决于图像的尺寸以及观察距离。观察距离越远，提取的信息越少。本发明考虑了观察距离和图像本身的影响，通过自适应高通滤波方法，模拟了人眼提取信息的过程。PSNR，SSIM均证实了本发明能够有效提高图像质量评价方法的精度。 

与现有技术相比，本发明具有如下的有益效果： 

本发明在不缩减图像尺寸的情况下，直接地在图像小波域上进行高频滤除，能够更精确地对图像进行自适应调整。本发明考虑了观察距离对人眼分辨率的影响，有效地模拟了人眼的实际机制。根据在LIVE，IVC以及Toyama-MICT三个标准数据库中的测试结果来看，本发明所述的方法有效地提升了峰值信噪比(PSNR)和结构相似度(SSIM)质量评价方法的性能，并为将来图像质量评价方法的提高开辟了一个方向。 

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显： 

图1(a)-图1(c)是本发明一实施例图像小波分解示意图； 

图2中(a)-(d)是本发明一实施例在LIVE数据库中，自适应高频滤波前后图像X，Y；X_A，Y_A的PSNR，SSIM质量评价分数与主观评价值DMOS对比图； 

图3中(a)-(d)是本发明一实施例在IVC数据库中，自适应高频滤波前后图像X，Y；X_A，Y_A的PSNR，SSIM质量评价分数与主观评价值MOS对比图； 

图4中(a)-(d)是本发明一实施例在Toyama-MICT数据库中，自适应高频滤波前后图像X，Y；X_A，Y_A的PSNR，SSIM质量评价分数与主观评价值MOS对比图。 

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。 

本实施例提供一种基于小波域的的自适应高频滤波方法，具体包括以下步骤：