[发明专利]基于图像显著性检测的全参考图像质量评价方法

说明书

本发明公开了一种基于图像显著性检测的全参考图像质量评价方法，其包括以下步骤：空间转换(提取失真图像和其对应的原始图像，将图像从RGB颜色空间转换到Lab颜色空间)，图像分割(将Lab颜色空间下的彩色图像分割成区域)，RCC显著性检测，超像素分割(对RGB颜色空间下的失真图像和其对应的原始图像进行超像素分割)，AMC显著性检测，VSI计算。本发明的有益之处在于：(1)我们通过显著性检测得到图像的显著性区域，应用提取出的显著性图像进行图像质量评价，绕开了人眼视觉系统建模难的问题，所以本发明提供的评价方法思路简单，较好的符合人眼视觉系统特性，与主观评价具有较好的一致性；(2)具有较强的鲁棒性及较好的预测性能。

技术领域

本发明涉及一种图像质量评价方法，具体涉及一种基于图像显著性检测的全参考图像质量评价方法，属于数字视频图像质量评价技术领域。

背景技术

随着计算机技术的不断发展，人类对图像处理的需求大幅增加，并在遥感、生物医学、军事、工农业生产、政府工作等领域得到了广泛的应用。生物心理学研究证明，对于一幅图像，人类只关注其中极少的显著性部分而忽略其他区域。图像显著性检测可以只专注于一幅图像的显著性区域而舍弃其他部分，这对图像处理来说，大大节省了计算时间和内存，所以图像显著性检测在图像处理中发挥了非常重要的角色。

鉴于大部分的数字图像处理算法都是为了保持和提升被人类接收的图像的观测质量，图像质量评价技术对日新月异的计算机视觉领域具有重要作用。由于在图像的采集、传输、分析、处理和重建的过程中，都可能会发生失真的情况，为了保持、量化和增强数字图像的质量，能够对数字图像进行质量的评价就显得尤为重要。

传统的图像质量评价是指人眼观察并打分的主观图像质量评价。采用大量的观察员进行评分并取平均值的“平均意见分数”(MOS，Mean Opinion Score)很长时间内都是对数字图像进行评价的最优策略，但是此方法的一些缺陷也不能忽视，因为观察者的观察动机、知识背景、观测环境及心理状态等情况都不尽相同，无法精确可重复的进行评价，其次这种方式需要花费大量的人力物力，速度慢而且成本过高，可操作性不强，而且这种方法不能用数学模型进行描述，难以大量应用于工业生产中。

广义上来讲，图像质量是图像的一个固有属性，是根据数字图像的降质程度来度量的。图像质量评价也是对视觉保真度的测量，主要评价失真图像与原始图像之间的相似程度，即寻找某种符合视觉特性有意义的标准来度量数字图像之间的距离。图像质量的客观评价方法是设计数学模型，此模型能自动测量图像的感知质量，可以对图像处理算法和系统进行评估，图像采集设备可以检测图像的质量然后自动调节并选择能达到最佳效果的图像数据，例如：网络视频服务器通过监测传输的图像质量，能够灵活的配置数字流资源。

发明内容

本发明的目的在于提供一种基于图像显著性检测的、计算简单、时间复杂度低、对图像有较好的鲁棒性、与主观质量评价具有较高的一致性的全参考图像质量评价方法。

为了实现上述目标，本发明采用如下的技术方案：

一种基于图像显著性检测的全参考图像质量评价方法，其特征在于，包括以下步骤：

Step1：空间转换

提取失真图像和其对应的原始图像，并将失真图像和其对应的原始图像从RGB颜色空间转换到Lab颜色空间；

Step2：图像分割

将Lab颜色空间下的彩色图像分割成区域；

Step3：RCC显著性检测

(1)计算区域的颜色对比度

对于分割成区域的图像，计算每个区域的颜色距离，计算公式如下：