[发明专利]互补色小波域图像质量盲评价方法

说明书

本发明属于彩色图像信号处理技术领域，具体为一种互补色小波域的彩色图像质量评价方法。本发明基于视觉生理中互补色理论，建立了图像互补色自然场景统计、多尺度和方向性能量分布等模型。分析表明模型不仅涵盖了传统方法所能描述的信息，而且还能借助于互补色来有效表示彩色图像各通道之间关系，从而给出了一组表征图像质量的高效特征。应用结果表明基于这些特征所提出的互补色小波域图像质量盲（无参考）评价方法，能有效提取图像的失真统计特征，使得据这些特征得到的图像质量盲评价结果能与人眼主观评价结果保持高度一致，且显著优于现有方法的盲评价结果，并取得了可与非盲（全参考）相比拟的评价结果。

技术领域

本发明属于彩色图像信号处理技术领域，具体涉及彩色图像质量盲评价方法。

背景技术

随着计算机、移动通信与互联网技术的兴起，图像的产生量和传输量都呈现出了爆炸性的增长。图像数量和质量的快速增长，与通信带宽和存储容量的缓慢增长之间就产生了深刻的矛盾，这样在图像的传输与存储过程中，人们不得不有意(如压缩图像)和/或无意(如传输数据丢包)降低图像的质量。可如何以客观标准评价一幅图像的质量，并为以最小的资源传输与存储最好质量的图像，和/或让机器和网络智能地调节这些资源的分配，就成了一个很有意义的研究课题。

文献中报道的图像质量评价方法，可据是否需要原始图像作为参考而分为：全参考(非盲)，部分参考(半盲)，以及无参考(盲)图像质量评价等三类。全参考是指通过对比失真图像与原始图像的某些特征参数来评价图像的质量。这类方法包括通过对比图像信噪比(SNR)、峰值信噪比(PSNR)、均方误差(MSE)等参数，以及考虑图像结构相似性(SSIM)^[1]和人眼视觉信息保真度(VIF)^[2]等方法。全参考方法的主要缺点是需要完整的无失真原始图像，而在一些实际应用中，如远距离图像接收终端，其原始图像往往难以获得，因而全参考方法不能用于未知原始图像的场景。

部分参考质量评价不需要获得完整的原始图像，但需要传递据原始图像提取的某些特征参数。它们是通过计算失真图像的参数，并比照原始图像的特征参数来进行失真图像质量的评价。其经典方法是基于小波分解系数的分布参数方法^[3]。

无参考方法也称为图像质量盲评价方法，不要求提供原始无失真图像的任何信息，仅根据失真图像自身的特征来判断图像质量，因而最具有应用价值，也是发明想要研究的方法。

众所周知，图像随场景与内容的不同，使得其自身特点千差万别，这样为了实现对其进行无参考评价，就必须排除图像场景与内容对评价的干扰。当前主流的无参考评价方法，通常是通过提取出与图像中场景及内容无关的统一特征，这里我们将其统称为图像质量特征，再通过机器训练学习的方法，建立起这些特征与失真程度相对应的关系，并用这个关系来实现对图像质量的评价。这意味着所提取的图像质量特征的好坏，就最大程度决定了图像质量评价的准确性。

在变换域提取图像质量特征是目前认为效果最好的一类方法，这类方法首先将图像映射到空/频域，如离散余弦(DCT)域^[7]、小波域^[8]、曲波域^[9]等，然后再单独或综合利用空域和频域的信息^[10][11]来提取图像失真的特征。此外，自然场景的统计模型(NSS)考虑了不同图像场景与内容统一的统计不变特征，也为图像质量特征的提取提供了一条有效途径。如果将自然场景统计模型与变换域方法结合起来^[8][9]，综合利用两者的优势，来提取变换域中自然场景统计建模、方向性能量分布、以及层级间能量分布等参数与图像质量的密切关系，并排除图像自身场景与内容等干扰，则有可能取得接近全参考图像质量评价相似的性能^[2][8][9]。