[发明专利]基于人眼视觉特性的图像质量评价方法

说明书

本发明公开了一种基于人眼视觉特性的图像质量评价方法，可以对无参考帧情况下的图像处理后的效果进行客观评价。本发明的质量评价方法首先生成输入图像的显著度图像，然后对原图和显著度图像都进行尺度划分，接着在每个尺度上提取原图像的特征，并利用凸显人眼感兴趣区域的显著度图像的加权策略，对原图像的特征加权得到不同尺度的质量因子，最后对各个尺度的质量因子加权平均得到最终的图像质量评价指标。本发明的方法充分考虑了人眼的视觉特性，因此能更有效、更准确地对图像质量进行评价。

技术领域

本发明涉及一种基于人眼视觉特性的图像质量评价方法，适用无参考帧情况下的图像质量评价，属于计算机视觉研究领域。

背景技术

图像处理技术的不断发展促进了图像质量评价方法深入的研究与应用，图像的质量评价方法一般来评价一幅图像的效果从而判断图像处理算法的优劣。

图像质量评价的方法一般分为两种方式：主观评价和客观评价。主观评价主要分为基于色知觉的主观评价和基于嗜好的主观评价，它是一种定性的评价方法。ITU推荐了双刺激连续质量尺度法、双刺激损伤尺度法、单刺激连续质量度量法等，以获取主观评分。客观评价从本质上是通过恰当的物理量或者是质量特性参数来对图像质量进行量化的描述。客观图像质量评价方法分为3种：(1)全参考图像质量评价法；(2)半参考图像质量评价法；(3)无参考图像质量评价法。

图像处理算法越来越成熟，但在无参考帧的情况下，一直缺乏一个客观有效的通用的评价体系和方法。而且现有的很多图像质量评价方法也没有很好地将人眼的视觉感知特性融入其中。这就导致了一个算法的优劣通常需要主观实验的方法来判定评价，但是主观质量评价对于人力物力的需求巨大，所以其在获得比较准确的评价的同时，带来的结果是操作复杂且成本较高，因此无法广泛应用于实际的算法研究中。客观质量评价主要是根据人的主观评价中的感受建立相对应的数学模型，然后根据数学模型生成的数学公式计算，从而得到类似于主观评价的质量指标，该方法成本低且计算简单，是一种大量使用的方法。数学模型对于最后的评价结果有着决定性的影响。目前常见的客观质量评价指标有如下几类：(1)图像对比度；(2)图像信息熵；(3)图像的清晰度；(4)图像的自然性保持。

单一的图像特征信息提取往往会造成评价效果精确度的下降，对有些图像无法达到主客观相一致的效果。

发明内容

针对上述问题，本发明设计了一种基于人眼视觉特性的图像质量评价方法，使得主客观评价基本一致，避免了单一特征的局限性。本发明的目的是利用人眼的视觉特性，使用影响人眼视觉感知图像的负面特征作为一幅图像的主要特征，同时采取多尺度的图像处理不仅避免了单尺度的局限性，同时也诠释了人眼在感知图像时的多层次性。最后采用的基于显著度的权重分配策略也是符合人眼视觉特性的。本发明包含了影响人眼视觉的特征的提取、多尺度的分离、以及显著度权重矩阵的生成等环节，以实现客观评价与主观评价在主要方面的一致。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于人眼视觉特性的图像质量评价方法，其特征在于，包括以下具体步骤：

步骤1，生成待评价图像的显著度图像以及显著度权重矩阵；

步骤2，分别对待评价图像及其显著度图像进行尺度划分；

步骤3，对尺度划分后待评价图像的每个尺度进行图像特征的提取，并将各个尺度提取的图像特征进行合并，得到各个尺度下待评价图像的特征质量分布矩阵；

步骤4，对各个尺度的显著度权重矩阵和质量分布矩阵进行加权处理，得到待评价图像的质量评价指标，实现对待评价图像的质量评价。

作为本发明的进一步技术方案，步骤1中待评价图像的显著度图像的生成方法为：

1.1，将待评价图像分解为RGB三通道图像，分别对三通道图像进行DCT变换，并利用sign函数获得各个通道的图像描述子；