[发明专利]基于威布尔统计特征的内容不敏感模糊图像质量评价方法

说明书

本发明公开了一种基于威布尔统计特征的内容不敏感模糊图像质量评价方法。使用本发明能够很好解决现有算法对相同模糊程度但内容不同的模糊图像评价不准确的问题。本发明取待评价图像的边缘梯度幅值矩阵，对边缘梯度幅值矩阵采用威布尔分布进行建模拟合，得到梯度的威布尔分布形状和尺度参数，同时计算威布尔分布形状的偏斜度值，提取的形状、尺度和偏斜度参数可以很好地区分不同模糊程度图像的梯度幅值分布；然后对具有相同内容图像的威布尔分布形状、尺度和偏斜度做分离归一化，减少参数与图像内容之间的关系，到达与图像内容不敏感的目的；最后利用归一化后的威布尔分布形状、尺度和偏斜度为特征值，对待评价图像进行质量评价。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于威布尔统计特征的内容不敏感模糊图像质量评价方法。

背景技术

数字多媒体技术和互联网技术的迅猛发展，使得多媒体内容可以成为现代人们日常娱乐、通信的主要内容，比如，高分辨率电视(High Definition Television，HDTV)、流媒体网络电视(Streaming Internet Protocol TV，IPTV)、爱奇艺、优酷、Youtube、Flickr等视频网站。如此海量的数据和庞大的需求使得人类对多媒体影像的观赏质量要求越来越高，同时触发多媒体信号采集、压缩、传输、增强以及重构等技术的大力研究。在多媒体采集、处理等过程中，信号经常受到很多外界不利因素的干扰，包括噪声、模糊、压缩块效应等。其中，图像模糊是最常见的一种失真类型，通常包括失焦模糊和运动模糊两种。失焦模糊是由于相机焦点不在物体上导致的，而运动模糊则是由于相机和物体存在相对运动。无论是哪种模糊都会使得被模糊物体的边缘失去锐度，结构变得不清晰，严重影响人类视觉体验。因此，期望能够建立一种客观的图像模糊评价机制，对模糊图像质量评判打分，进而指导采集、处理等过程。

现有的图像质量评价算法，依据是否借助无失真图像做参考，可以分为全参考、部分参考和无参考评价算法。全参考评价算法可以利用无失真图像的所有信息，部分参考评价算法则只能通过无失真图像的部分信息做参考，而无参考评价算法无需利用无失真图像的信息。从效果进行比较，全参考评价模型由于可以利用全部的信息，往往有最好的效果；而从实用的角度比较，由于实际中无失真图像很多时候是获取不到的，此时，只有无参考评价模型适用。所以，研究无参考模糊图像质量评价算法具有重要的实际作用。

最近一些年，国内外很多专家学者进行了模糊图像无参考质量评价方面的研究，提出了一系列算法，根据特征提取方法的不同，可以分为基于空间域的、基于变换域的和基于梯度的三种类型算法。

基于空间域特征提取的无参考模糊评价算法，一般提取图像边缘宽度和纹理等特征作为图像模糊的表征。该类方法中，无论是空间域计算水平和竖直方向图像边缘的延伸度，还是计算像素变化协方差的模型，都很容易受到边缘提取精度和边缘锐度建模精度的影响，容易产生误差。同时，这些模型提取的特征描述对图像内容敏感，可能导致相同模糊程度的但内容不同的两幅图像计算得到的特征表征差别比较大。

基于变换域的无参考模糊评判模型基于模糊导致图像高频能量减少的理论提出对图像进行傅里叶变换、离散余弦变换、离散小波变换或稀疏变换等。其中一些算法通过变换系数计算得到能量损失程度，另外一些算法则从变换系数中提取自然场景统计特征(Natural Scene Statistics,NSS)。这类方法同样受到图像内容的影响，无论是能量还是NSS特征，对无失真的图像平滑区域和纹理区域结果差别很大，无法客观衡量图像模糊与否。

而基于图像梯度域方法的提出是来源于模糊会导致图像梯度下降的理论。有的方法通过提取梯度计算边缘的宽度，有的方法结合边缘梯度幅值的标准差和梯度幅值，也有一些方法提取梯度分布的统计特性。然而，这些方法在提取特征的过程中没有考虑图像内容对特征值的影响，给评价结果带来误差。

因此，有必要研究一种对图像内容不敏感的模糊评价算法，对相同模糊程度不同图像内容的图像评价结果一样，有效解决现有评价算法存在的问题。

发明内容