[发明专利]一种基于视觉感知的图像质量评价方法

说明书

本发明提供一种基于视觉感知的图像质量评价方法，包括以下步骤：利用局部SIFT估计方法将重构图像调整到与参考图像相同的尺寸，通过计算参考图像和重构图像的梯度幅度来得到GMS图，用视觉注意机制的方法得到参考图像的显著性图，分别研究了基于平均值的融合策略、基于视觉注意权重的策略、基于均方误差的融合策略，最后综合各种融合策略得到图像的整体评价方法。算法将视觉注意机制应用到重构图像质量评价中，表明了重构图像里保存了多少参考图中的显著性局部信息，更符合人类主观评价图像的方法。本发明可应用于所有重构图像的质量评价中。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于视觉感知的图像质量评价方法。

背景技术

随着通讯技术的迅速发展，图像在不同的设备中被不断地反复传输，而机器视觉处理技术对输入图像的要求也越来越高，因而迫切需要寻找一种能够度量图像在传输过程中损失量的方法，图像质量评价就是在此基础上发展起来的，主要通过对图像进行特性分析研究，然后评估出图像的失真程度。图像质量评价在图像处理系统中，对于算法分析比较、系统性能评估等方面有着重要的作用。最近，多媒体重构技术在图形和视觉的研究中引起了极大的关注，图像和视频的重构技术在不同显示屏幕上以不同的大小或长宽比来显示原始场景，因此评价重构图像的质量有重要意义。

常见的图像评价算法，如峰值信噪比(PSNR)和结构相似性(SSIM)不适用于重构图像，因为这些算法需要参考图像和重构图像具有相同的大小。现有的重构质量评价方法主要包括：颜色描述子(CL)，边缘直方图(EH)，双向扭曲度(BDW)，双向相似性(BDS)。CL和EH是基于MPEG-7标准的两种方法，CL使用颜色分布直方图作为图像表征，EH使用边缘信息作为图像表征，他们使用两个直方图之间的距离作为两个图像相似性的测度。BDW和BDS分别通过单调映射和双向非单调映射进行图像块之间的配对，将所有图像块的平均距离中定义BDW距离和BDS距离。

尽管上述方法在一定程度上得到了较好的评价结果，但是他们仍然是基于参考图像和重构图像本身考虑的，然而人类才是图像质量的最终评估者，图像评价应加入人类主观的因素，所以研究人员一直在寻求与主观评价一致的自动评估方法。

发明内容

有鉴于此，本发明的实施例提供了一种评价结果良好的、加入人类主观因素的基于视觉感知的图像质量评价方法。

本发明提供一种基于视觉感知的图像质量评价方法，包括以下步骤：

S1、获得参考图像和重构图像，通过局部SIFT估计将重构图像调整到与参考图像相同的尺寸，得到第一参考图像和第一重构图像；

S2、通过计算所述第一参考图像和第一重构图像的方向梯度幅度得到梯度幅度相似度图；

S3、基于视觉注意机制构建视觉注意模型，根据所述视觉注意模型得到参考图像的显著性图；

S4、根据所述显著性图和梯度幅度相似度图对现有融合策略进行评估，得到评估结果；

S5、根据所述评估结果，构建重构图像的质量评分。

进一步地，在所述步骤S2中，使用Scharr算子来计算图像的梯度，所述Scharr算子沿着水平方向和垂直方向分别可以写成：

进一步地，所述梯度幅度相似度计算公式为：

进一步地，所述梯度幅度相似度的计算公式中，c是保持数值稳定的常数项，其中m_ref(x,y)为第一参考图像S_ref在位置(x,y)的方向梯度幅度，m_ret(x,y)为第一重构图像S_ret在位置(x,y)的方向梯度幅度。。

进一步地，在所述步骤S3中，所述视觉注意模型为在经典的Itti模型视觉注意模型基础上增加了纹理特征的视觉注意模型。