[发明专利]一种基于非线性结构相似度偏差的有参图像的质量评估方法

说明书

本发明公开了一种基于非线性结构相似度偏差的有参图像的质量评估方法，本发明先将参照图像和退化图像的RGB颜色图像空间转化成高斯图像空间和灰度图像空间，接着生成局部边缘强度谱和局部梯度谱，再将其非线性归一化，分别计算对应的局部边缘相似度图和局部梯度相似度图，最后通过分析局部相似度图的结构特性，自适应选取相似度偏差小的值为退化图像的质量评估值。本发明对不同模糊、JPEG,噪声等自然图像质量评估有较好的效果，计算简便，高效，可实现性好。

技术领域

本发明属于图像处理领域，特别是一种基于非线性结构相似度偏差的有参图像的质量评估方法。

背景技术

在图像采集、存储、传递、处理和显示等每个阶段中都可能会引入不同的失真干扰，这些失真干扰一般会造成图像质量的不同层次的下降，从而使得用户无法从众多的图像中选取所需的图像，因此如何有效正确地评估一幅图像的质量越来越引起众多学者的关注。目前评估图像质量方法主要有两大类：主观评估法和客观评估法。主观评估是通过多人评估后得出，与人类视觉特性比较符合，但是它费时费力，受各类因素影响，并且成本高；而客观评估法通过构建一些数学模型代替人类的视觉系统无需干预的对图像进行质量评估，以达到尽可能和人的视觉主观评估结果一致，按照不同评估准则又可分为两种类型：带参图像的评估法和无参图像的评估法。在很多应用中，无参图像虽然可以评估图像的质量，但其应用范围较窄，要求较高，不适合在实际中应用，而参照图像可以提供更多有效的信息，可以准确地评估图像的质量，应用范围比较宽，因此本发明重点研究了有参照图像的质量评估。

近年来，有参图像的质量评估研究领域异常活跃，学者们提出了不少的具有代表性的质量评估算法,这些方法一般可粗分为两类：自底向上和自顶向下。自底向上是指从人的视觉系统对图像质量评价模型进行构建，然后以此模型对退化图像进行质量评估，如Masry提出了基于人类视觉多通道系统的图像质量评估模型，改善了基于单通道的视觉系统模型，提高了图像质量的评估能力(M.A.Masry and S.S.Hemami.A metric forcontinuous quality evaluation of compressed video with severedistortions.Signal processing-image communication.2004：133-146.)。Wang等人依据人类视觉系统对退化图像和参照图像差进行感知量化后进行评估(Z.Wang andA.C.Bovik,Modern Image Quality Assessment 2006(2))。另一类评估方法是自顶向下进行研究。自顶向下是一种依赖图像结构信息的方法，该类方法以Zhou Wang的结构相似度为代表，该方法同时考虑了亮度相似度、对比度相似度和结构相似度对图像质量的影响(Z.Wang,A.Bovik,H.Sheikh,and E.Simoncelli.Image quality assessment:From errorvisibility to structural similarity.IEEE Transactions on Image Process.,2004，13(4)：600–612)。接着，他们又考虑了多尺度的信息，提出了基于多尺度的结构相似度，提高了评估的准确性(Z.Wang,et al..Multi-scale structural similarity for imagequality assessment.in Signals,Systems and Computers,2003.Conference Record ofthe Thirty-Seventh Asilomar Conference on,2003,pp.1398-1402Vol.2.)。Cheng将梯度幅度谱，梯度方向谱和对比度引入到构建评估模型中，提出了基于该模型的图像质量评估算法(G.Q.Cheng,J.C.Huang,C.Zhu,Z.Liu and L.Z.Cheng.Perceptual image qualityassessment using a geometric structural distortion model.17th IEEEInternational Conference on Image Processing,2010).Zhang等人通过结合梯度幅度和相位一致性评估退化图像质量(Lin Zhang,Lei Zhang,X.Mou and D.Zhang.FSIM:afeature similarity index for image quality assessment.IEEE transactions onimage process,2011,20(8):2378-2386)。Xue Wufeng等为了提高评估的速度，仅考虑了梯度相似度，通过计算梯度相似度的偏差来评估图像的质量(Wufeng Xue,Lei Zhang，uanqinMou and C.Bovikc.Gradient Magnitude Similarity Deviation:A Highly EfficientPerceptual Image Quality Index.)。这些评估方法对单一失真或退化图像或者失真不严重的图像质量评估较好，对交叉失真或严重失真的图像评估效果不理想。本发明通过同时考虑了高斯图像空间的非线性归一化局部边缘强度图和非线性归一化局部梯度图，提出了基于非线性归一化相似度的图像质量评估方法，实验结果表明提出的方法对多种失真或失真严重的图像评估值较好，和人的视觉一致性较高。