一種全參考型圖像客觀質量評價方法

2023-05-25 20:34:06 1

專利名稱：一種全參考型圖像客觀質量評價方法
技術領域：
本發明涉及數字視頻技術領域，具體來說是一種基於結構相似度的全 參考型圖像客觀質量評價方法。
背景技術：
數字圖像廣泛應用於多媒體產品，在獲取、壓縮、存儲和傳輸的過程 中會造成質量損失。人類在使用這些多媒體產品的同時，成為數字圖像的
最終接收者。因而人類對數字圖像的主觀質量評價(DMOS)被認為是最可 靠的。然而，主觀質量評價的過程費時費力，並且結果不可重複。因而多 年來科學家對數字圖像客觀質量評價方法進行了大量研究。根據對原始圖 像的參考，客觀質量評價方法分為全參考型、部分參考型和無參考型3種。 全參考型適用於編碼器設計和不同編碼器的性能比較；部分參考型和無參 考型適用於帶寬有限的多媒體應用。由於全參考型可以利用原始圖像的全 部信息，其對圖像的評價結果更加符合人類主觀評價。
文獻[l] Wang Z, Bovik A C, Sheikh H R, Simoncelli E P. Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing, 2004, 3(4): 600-612根據人眼對結構信息敏感的特性， 提出了基於結構相似度的評價方法(SSIM)。文獻[l]中通過比較原始圖像jc 與待評價圖像y之間的亮度、對比度和結構相似度，量化圖像的失真程度， 其數學模型如下
SO,力=/(x,力.cO,力.s(x，力
(1)
2crxcjy
C7x2+C7y2
(2)
，
4/(x,力、c(x，力和4x;,力分別表示亮度計算因子、對比度計算因子和結構相
似度計算因子，其中 ^y, R, t7y， 分別代表原始圖像JC和待評價圖像^ 的亮度均值、標準差和協方差。文獻[l]中以像素坐標(/，力為中心，由公式
(l)計算滑動窗口 MxM(M=ll )內的結構相似度，滑動窗口從圖像左上角 至右下角，獲得結構相似度圖SSJM(z'J),並計算SSJAf(z'，力的平均值作為 該待評價圖像的客觀質量評價值。
由於文獻[l]中評價方法利用了原始圖像的信息，是一種典型的全參考 性評價方法，該方法計算模型簡單，預測的客觀評價與主觀評價較為一致， 因而受到廣泛關注。近年來， 一些改進的方法不斷出現文獻[2]ZhangM, Mou X. A psychovisual image quality metric based on multi-scale structure similarity. IEEE International Conference on Image Processing, San Diego, CA， Oct,, 2008: 381-384對圖像進行DWT分解，將不同解析度下的亮度、 對比度、結構相似度和噪聲等特徵融合進行客觀評價；文獻[3] Wang B, Wang Z, Liao Y， Lin X. HVS-based structural similarity for image quality assessment.她International Conference on Signal Processing, Beijing, Oct. 2008: 1194-1197等人利用人類視覺系統的特性，直接將紋理和空間位置特 徵引入SSIM計算模型，代替結構相似度計算因子；文獻[4]楊威，趙剡，許 東.基於人眼視覺的結構相似度圖像質量評價方法.北京航空航天大學學 報，2008， 34(1): 1-4根據亮度、紋理和空間位置特徵獲得一見覺感知圖，並 對SSIM的計算結果進行加權。文獻[5] Mebur E， Koch C. Computational architectures for attention, Parasuraman R. The Attentive Brain, Cambridge, Mass.: MIT Press, 1998: 163—186中提出了基於#見覺特徵驅動 (stimuli-driven)的自底向上(bottom-up)可計算架構，用於摸擬人類視覺系統 分析視覺場景的能力。同時，文獻問Moorthy A K, Bovik A C. Visual importance pooling for image quality assessment IEEE Journal of Selected Topics in Signal Processing, 2009， 3(2): 193-201中提出在圖像質量的評價 過程中，視覺注意焦點在不斷轉移，失真嚴重的區域往往更能吸引人類的 注意。
文獻[3]和[4]中提出的基於結構相似度的圖像質量評價方法基於文獻 [5]的理論，更為真實反映視覺感知質量，但是，這2種方法均忽略了文獻 [6]中提出的嚴重失真對視覺注意焦點選擇的影響人在觀察圖像的過程中，隨著時間的推移，視覺注意焦點由人的主觀意志控制而發生轉移；決 定視覺注意焦點轉移的因素可以是顯著的視覺特徵或嚴重的視覺失真；也 就是說通常圖像中視覺特徵顯著的區域會首先吸引人的注意，隨著觀察的 進行，如果圖像中存在失真嚴重的區域，人的注意往往會從原先視覺特徵 顯著的區域轉移到失真嚴重的區域。
全參考型圖像客觀質量評價方法適用於各種圖像編碼、處理算法的設 計，以及不同算法的效果比較如文獻[7] Brooks A C, Pappas T N. Using structural similarity quality metrics to evaluate image compression techniques. IEEE International Conference on Acoustics, Speech and Signal Processing. Honolulu, HI, USA: 2007, 1:873-876利用基於小波域結構相似度的全參考 型圖像客觀質量評價方法，對經過JPEG、 JPEG2000和SPIHT等編碼方 式的圖像，進行客觀質量評價，比較不同編碼方式的效果；文獻[8]DoQB, Beghdadi A, Luong M, et al. A perceptual pyramidal watermarking technique. IEEE International Conference on Multimedia and Expo. Hannover, Germany: 2008, 281-284利用PSNR或基於結構相似度的全參考型圖像客觀質量評價 方法，對嵌入水印的圖像進行水印隱藏性評價，判斷水印的嵌入是否影響 圖像質量。

發明內容
本發明提供了 一種基於結構相似度的全參考型圖像客觀質量評價方 法，能夠使對圖像的評價結果更加符合人類主觀評價。
一種基於結構相似度的全參考型圖像客觀質量評價方法，包括
(1) 利用亮度對比度、紋理複雜度和空間位置等空間域;現覺特徵，獲 得原始圖像的視覺感知圖，並求視覺感知特徵顯著的位置；
(2) 利用基於結構相似度的評價方法求原始圖像和失真圖像之間的結 構相似度圖S57Af(/，y')，其中(/，力為像素坐標，計算失真圖像的相對質量， 並求失真嚴重的位置；
(3) 定義視覺注意焦點轉移原則，確定新的一見覺注意焦點，並重新生 成視覺注意焦點轉移後的視覺感知(4) 用(i)和(3)生成的視覺感知圖加權結構相似度，獲得圖像質量的客 觀評價。所述的利用亮度對比度、紋理複雜度和空間位置等空間域視覺特徵， 獲得原始圖像的視覺感知圖，並求視覺感知特徵顯著的位置包括以下步
驟
1) 計算原始圖像的亮度標準差，獲得亮度對比度感知2) 利用邊緣檢測提取原始圖像的紋理信息，獲得紋理複雜度感知3) 將原始圖像的中央作為視覺注意焦點，獲得空間位置感知4) 綜合以上亮度對比度、紋理複雜度和空間位置感知圖，獲得視覺 感知5) 將視覺感知圖中感知係數最大的位置作為視覺感知特徵顯著的位 置。
所述的基於結構相似度的評價方法採用文獻[l]所公開的方法進行評 價，求得原始圖像和失真圖像之間的結構相似度圖5^/Af(/,力，其中(/,力 為像素坐標，計算失真圖像的相對質量，並求失真嚴重的位置，具體過程 如下
1) 利用基於結構相似度的評價方法，求原始圖像和失真圖像之間的 結構相似度圖5^J7kf(z',7')，並將結構相似度圖5^/Af(/,力劃分為互不 重疊的8x8塊，計算塊內結構相似度的平均值，作為塊的結構相
似度Sbi。ekO，")，其中O,")為8x8塊坐標；
2) 利用塊的結構相似度&i。ek(w，")，計算失真圖像相對質量&(m，")；
3) 將相對質量最差的的位置作為失真圖像失真嚴重的位置。 所述的定義視覺注意焦點轉移原則，確定新的視覺注意焦點，並重新
生成視覺注意焦點轉移後的視覺感知圖包括以下步驟
1) 定義視覺注意焦點轉移原則，視覺注意焦點由失真圖像中央轉移 至視覺特徵顯著位置或失真嚴重位置；
2) 根據新的視覺注意焦點，獲得視覺注意焦點轉移後的空間位置感 知3) 綜合亮度對比度、紋理複雜度和視覺注意焦點轉移後的空間位置 感知圖，生成#見覺注意焦點轉移後的#見覺感知圖。
所述的用(1)和(3)生成的視覺感知圖對結構相似度加權，獲得圖像質 量的客觀評價包括以下步驟
1)利用(1)和(3)分別生成一見覺感知圖、；現覺注意焦點轉移後的^L覺感知圖，並對塊的結構相似度5^。ek(W，")加權，獲得圖像質量的客觀評價。
本發明的有益效果
本發明提供了一種基於結構相似度的全參考型圖像客觀質量評價方 法。該方法適用於各種圖像編碼、處理算法的設計，以及不同算法的效果 比較。由於全參考型評價方法可以利用原始圖像的全部信息，因此相對部 分參考型和無參考型評價方法，全參考型對圖像的評價結果更加符合人類 主觀評價，有著廣泛的應用前景。


圖1為本發明的方法流程圖2為本發明的互不重疊的8x8塊劃分示意圖，以(m，")為坐標； 圖3為本發明的視覺特徵感知圖；其中
(a)失真圖像(b)失真區域局部放大圖(c)結構相似度圖(d)亮度 對比度感知圖(e)紋理複雜度感知圖(f)空間位置感知圖(g)視覺感 知圖(h)注意焦點轉移後的空間位置感知圖(i)注意焦點轉移後的視 覺感知圖。
圖4為本發明的客觀質量與主觀質量的擬合結果圖。 圖5為本發明的客觀質量與主》見質量的測試結果圖。
具體實施例方式
如圖1所示， 一種採用本發明基於結構相似度的全參考型圖像客觀質 量評價方法，包括
(1) 利用亮度對比度、紋理複雜度和空間位置等空間域;f見覺特徵，獲 得原始圖像的視覺感知圖，並求視覺感知特徵顯著的位置；
(2) 求原始圖像和失真圖像之間的結構相似度圖S57iV/(/，力，其中(/,力 為像素坐標，計算失真圖^f"目對質量，並求失真嚴重的位置；
(3) 定義視覺注意焦點轉移原則，確定新的視覺注意焦點，並重新生 成^L覺注意焦點轉移後的^L覺感知(4) 用(1)和(3)生成的視覺感知圖加權結構相似度，獲得圖像質量的客 觀評價。
利用亮度對比度、紋理複雜度和空間位置等空間域-見覺特徵，獲得原
8始圖像的視覺感知圖，並求視覺感知特徵顯著位置的具體過程包括以下步
驟
1)計算原始圖像的亮度標準差，獲得亮度對比度感知圖； 將原始圖像的亮度分量刀劃分為互不重疊的8x8塊，按整幅圖像 劃分為小塊，每塊的大小8x8像素，塊的邊緣緊挨，但是互相不重疊，如 圖2所示。以(w,w)為坐標，那麼第(w，")塊的亮度對比度用塊內亮度標準 差表示，亮度對比度感知圖/c(m,")為formula see original document page 9
Jc(m，")值越大的區域，亮度對比度越明顯。
2)利用邊緣;險測提取原始圖像的紋理信息，獲得紋理複雜度感知a) 設原始圖像的亮度分量為W，力，利用邊緣檢測Canny算子得 到相應的邊緣輪廓五(/,力。如果像素點屬於邊緣輪廓，則五(O') 為1;如果像素點不屬於邊緣輪廓，則五(/，力為0。
b) 將J(/,力劃分為互不重疊的8><8塊(如圖2所示)，計算塊內每 個像象素點的梯度方向。formula see original document page 9
<7ver(/，力和GW(z'，力分別代表像素點O',力的垂直和水平梯度，《/，力 為像素點(U')的梯度方向，計算後的《!',y)分為4種方向
(9'(/，力e(0。或180。， 45。或225。， 90°或270。， 135。或315。}。
c) 統計每個8x8塊內方向的種類數Aj和總邊緣點數& ("e為該 8x8塊內邊緣輪廓五(Z,力值為1的像素點總個數)。當總邊緣點 數大於給定閾值ne* (= 16 ),則置標號ce ( Ce是一個標誌符， 用於公式(5)的計算，標誌著該8x8塊內屬於邊緣輪廓的像素 點比較多)為1,否則為0。那麼該塊的紋理複雜度感知圖rc(w， k)由下式表示，(w， 《)為塊索引r0.5， if (Q = 0)
1.0， if(c,l)
7>，"H(2、)/2, if(^=2) (5)
(1-"/2， if(~=3)
d)對r"附，w)使用
的3x3濾波器濾波，rc(m， ")的範圍為[O, 1],數值越低表示該區域紋理越豐富。
3) 將原始圖像的中央作為視覺注意焦點，獲得空間位置感知圖； 選取原始圖像的中央作為視覺注意焦點，其空間位置感知圖&(w， w)
如下
《(m,") = ~^~ (6)
其中A為第(m，")塊到視覺注意焦點(Wc, "c)(即原始圖像中央)的距離與
最大距離的比值，ee為常量(ec根據文獻Umesh R, Ian V D L, Alan C B， et al.. Foveated analysis of image features at fixations [J]. Vision Research, 2007, 47(25): 3160-3172設定為2.3 )。
4) 綜合以上亮度對比度、紋理複雜度和空間位置感知圖，獲得視覺 感知綜合以上亮度對比度、紋理複雜度和空間位置等感知圖對視覺感知的 影響，定義視覺感知圖/Mw，")如下公式(7), Cd、 Ct2用於調整各感知係數 的權重(由實驗設定a = a2 = 1 )。
= log(a, + Jc(附，w))("2 + J;(附，w))2《(m,w) (7)
5) 將視覺感知圖中感知係數最大的位置作為視覺感知特徵顯著的位 置。
視覺感知圖iM附，w)中感知係數越大，代表視覺特徵的顯著性越高。 因而將視覺感知圖中感知係數最大的位置(附p, "p)作為視覺感知特徵顯著 的位置。
OV"p)l《(附p,"p)-max("(w，w)) (8)
利用文獻[l]求原始圖像和失真圖像之間的結構相似度圖^S/M(/,力 其中"力為像素坐標，計算失真圖像相對質量，並求失真嚴重的位置的具:口下
1)利用文獻[l]，求原始圖像和失真圖像之間的結構相似度圖 SS/Af(/J),並將結構相似度圖SS/M(/,力劃分為互不重疊的8x8塊 (如圖2所示)，計算塊內結構相似度的平均值，作為塊的結構相 似度&i。ck(m，")(其中O,")為8x8塊坐標)；
a) 利用文獻[l],求原始圖像和失真圖像之間的結構相似度圖
b) 將結構相似度圖S57Af(/，y)劃分為互不重疊的8x8塊(如圖2 所示)，計算塊內結構相似度的平均值Sbl。ekO, w)。
,")-J^ S I M/M(/，力 (9)
2)利用塊的結構相似度&。汰(w,")，計算失真圖像相對質量&(w，")；
失真圖像的相對質量")為formula see original document page 11otherwise
其中mean、 郵x和^min分別是以第(附,")個塊為中心，大小為3X3個塊 的滑動窗口內，塊結構相似度&,。ck(W,")的平均值，最大值和最小值；Smean
是全部塊結構相似度的平均值。對獲得的相對質量&(w, wM吏用3x3均值
濾波器濾波。似W,W)的範圍為[O， l]，數值越大表示該區域相對質量越差， 失真越嚴重。
3)將相對質量最差的的位置作為失真圖像失真嚴重的位置。 失真圖像相對失真&(W，W)值越大，代表相對質量越差，失真越嚴重。 因而將相對質量")最大的位置(Ws， O作為失真嚴重的位置。如果&(附 W)最大值的位置有多個，則取距離圖像中央最近的那個位置。
(ws, "s) I Sr (ms ， ％) = max(乂 (m,")) (11)
定義視覺注意焦點轉移原則，確定新的視覺注意焦點，並重新生成視i 覺注意焦點轉移後的浮見覺感知圖的具體過程如下
1)定義視覺注意焦點轉移原則，視覺注意焦點由失真圖像中央轉移至視覺特徵顯著位置或失真嚴重位置; 視覺注意焦點轉移原則轉移原則如下
乂
(附p，rtp), otherwise
, ,,、 、"15 , /， i丄"r max 。1 """屮min —。 /in、
Oc,"c)H — 2 (12)
當相對質量&(m， w)的最大值&一，大於閾值e！(相對質量&(m，")的範圍 為[O， l]，數值越接近1表示該區域相對質量越差，失真越嚴重.實驗發現， 當相對質量n)大於￡l時，失真很容易被人眼發現。s,的取值範圍為[O, 1],本領域技術人員由實驗經驗獲得， 一般Si設定為0.3),且塊結構相似
度Al。ek(W，")的最小值6"min小於塊結構相似度Sbl。ck(m，")平均Y直&咖的二 分之一時，視覺注意焦點由失真圖像中央位置(me, "c)轉移至失真嚴重位置 (附s， "s)，否則視覺注意焦點轉移至^見覺特徵顯著^f立置(mp, "p)。
2) 根據新的視覺注意焦點，獲得視覺注意焦點轉移後的空間位置感 知視覺注意焦點轉移後的空間位置感知圖&(m, w)如下
S2(m，") = ~^ (13) ec + e2
其中62為第0，")塊到視覺注意焦點(w'c, "'e)的距離與最大距離的比值，ec 為常量(ec根據文獻Umesh R， Ian V D L, Alan C B, et al.. Foveated analysis of image features at fixations [J〗.Vision Research, 2007, 47(25): 3160-3172 "i殳 定為2.3 )
3) 綜合亮度對比度、紋理複雜度和視覺注意焦點轉移後的空間位置 感知圖，獲得視覺注意焦點轉移後的視覺感知圖。
視覺注意焦點轉移後的視覺感知圖iMw, w)為
log(", +1)("2 + rc)2S2， if (附;，w:) = K,"s)and《2 e2 (14) log(a， +/cXa2 +rc )2 S2， otherwise
即當視覺注意焦點因失真嚴重而轉移至位置(附s, WS),並且塊的相對質量
")大於等於閾值&,相對質量&(w，")的範圍為[O, 1],翁:^f直越接近l 表示該區域相對質量越差，失真越嚴重。實驗發現，當相對質量&(m，w) 大於￡2時，失真很容易被人眼發現。￡2的取值範圍為
,本4頁i或技術人 員由實驗經驗獲得， 一般￡2設定為0.3。那麼該塊的亮度對比度感知係數
12/c(m,")直接被提升至最大值1;否則由亮度對比度/c(w,")、紋理複雜度 rc(m,")和轉移後的空間位置S2(m，")生成視覺感知圖。其中a,、 &用於調 整各感知係數的權重，由於亮度對比度感知係數/c(m, w)和紋理複雜度感
知系婆丈7"c(m,")的最大〈直為1， Cti、 2 值越大，/c(w， ")、 rc(m， w)感知係數
對視覺感知圖的影響越小，可以根據需要調節a,、 ct2的大小來控制各感知 係數對視覺感知圖的影響，本發明在實^r中設定= a2 = 1。
用(1)和(3)生成的視覺感知圖加權結構相似度，獲得圖像質量的客觀 評價包括以下步驟
1)利用(1)和(3)分別生成視覺感知圖、視覺注意焦點轉移後的視覺感 知圖，並對塊的結構相似度5"w。ek(m,")加權，獲得圖〗象質量的客觀評價。
失真圖像客觀質量評價込由視覺感知圖A(w， w),視覺注意焦點轉移
後的視覺感知圖屍2(>, W)和塊結構相似度Sbtock(W， w)加權獲得
0> =朋+船 (15)
其中A和A用於調整兩次視覺注意焦點對評價結果的影響(由實騶、沒定A
=^=50), G與込由下式得出
込』s(^，"):w—)， "u (16)
實驗採用LIVE實驗室提供的原始圖像資料庫和失真圖像資料庫(H. R. Sheikh, Z. Wang， A. C. Bovik, et al. LIVE image quality assessment database release 2. http:〃Hve.ece.utexas.edu/research/quality), 包4舌29 長原、 始圖像、779張失真圖像及其相應的主觀評價(DMOS)。 779張失真圖像 由29張原始圖像經過5種失真方式處理獲得，反映了不同類型和不同強 度的圖像失真。其中JPEG2000C JP2): 169張;JPEG: 175張；白噪聲(Noise ): 145張；高斯模糊(Blur): 145張；快速衰減(Fast-fade)(傳輸過程中碼 流有錯誤的JPEG2000圖像)145張。為了驗證本發明方法的有效性，用 本發明方法對資料庫中的失真圖像進行客觀質量評^f介，然後與資料庫中包 含的各待評價圖像對應的主觀質量評價(DMOS)進行比較。
圖3是快速衰減資料庫中img82 (原始圖像為Womanhat)的視覺特 徵感知圖計算結果。圖3a和圖3b是失真圖像img82和失真區域局部放大 圖，從圖3b中可以看出，白色項鍊右下側的平滑皮膚區域有嚴重失真， 用圈標記。圖3c是塊結構相似度圖Sbl。ck(w,"),圖中亮度越低表示結構差異越大，右下角皮膚區域有明顯失真。圖3d 圖3g分別是亮度對比度感 知圖/c(m， w)、紋理複雜度感知圖7;(附，w)、空間位置感知圖&0， w)以及 生成的視覺感知圖w),圖中亮度越大表示感知係數權重越大，從圖 3g可以看出，人臉五官和白色項鍊為視覺特徵顯著區域，然而根據視覺注 意焦點轉移原則(式(12))，右下角皮膚區域的嚴重失真滿足轉移條件，使 視覺注意焦點轉移至該失真區域，見圖3h。圖3i是^f見覺注意焦點轉移後 的視覺感知圖/ 2(附，《),對比圖3g可以看出，右下角失真區域由於亮度對 比度感知係數直接被提升至最大值1，使該區域的視覺感知係數權重明顯 提高，而距離注意焦點較遠的五官和帽沿區域視覺感知係數權重有所下 降。
將779張失真圖像分為擬合和測試兩個集合，隨機抽取50%失真圖像 (3卯張)用於多參數非線性方程(公式(17))的擬合，剩餘389張用於客觀 質量評價的測試。圖像的客觀質量込由公式(15)獲得。
formula see original document page 14
圖4和圖5分別是本發明方法進行圖像的客觀質量込與主觀質量 DMOS的擬合和測試結果。圖4中x軸表示本發明方法得出的圖像客觀質 量&， y軸表示圖像的主觀質量DMOS,符號"+ "表示用於方程擬合的 圖像，黑色實線表示經過擬合獲得的曲線；圖5中x軸表示本發明方法得 出的圖像客觀質量經過非線性轉換(公式(17))後的值DMOSp， y軸表示 圖像的主觀質量DMOS，符號"o"表示用於測試的圖像，黑色虛線表示 DMOSp與DMOS完全相等的標準線。
文獻[9] Sheikh H R, Sabir M F， Bovik A C. A statistical evaluation of recent腿reference image quality assessment algorithms IEEE Transactions on Image Processing, 2006, 15(11): 3440-3451 ，該文獻規定了驗證圖像客觀 質量評價方法有效性的方法，定義了3個評價指標的計算方法，即客觀質 量與主觀質量的Pearson相關係數，Spearman相關係數和Outlier率。
根據上述文獻公開的方法進行計算，本發明方法，以及其他兩種客觀 質量評價方法(PSNR和文獻[1]的SSIM方法)得出的客觀質量與主觀質 量的Pearson相關係數，Spearman相關係數和Outlier率，分別用於表示預 測方法的精確性，單調性和一致性。Pearson相關係數和Spearman相關係數值越高表示預測方法的準確性和單調性越好，Outlier率值越低表示一致 性越好。表i為本發明方法與PSNR, SSIM方法性能比較，從表1的比 較可以看出，本發明方法評價全部失真圖像集合準確性、單調性和一致性 比PSNR方法分別高出10.5 % 、 9.8 %和8.2 % ，比SSIM方法都分別高出 3.7%、 3.8 %和2.9%。
因此從客觀上看，用本發明方法預測的圖像客觀質量評價，與圖像主 觀質量評價更加一致。
表i
PSNRSSIM本發明方法
Pearson相關係數0.7930.861O駕
Spearman相關係悽t0.788O麓0.886
Outlier率0掘0.0530.02權利要求
1.一種基於結構相似度的全參考型圖像客觀質量評價方法，包括以下步驟(1)利用空間域視覺特徵，獲得原始圖像的視覺感知圖，並求視覺感知特徵顯著的位置；(2)利用基於結構相似度的評價方法求原始圖像和失真圖像之間的結構相似度圖SSIM(i，j)，其中(i，j)為像素坐標，計算失真圖像相對質量，並求失真嚴重的位置；(3)定義視覺注意焦點轉移原則，確定新的視覺注意焦點，並重新生成視覺注意焦點轉移後的視覺感知圖；(4)用(1)和(3)生成的視覺感知圖加權結構相似度，獲得圖像質量的客觀評價。
2. 根據權利要求1所述的全參考型圖像客觀質量評價方法，其特徵 在於，步驟(l)包括以下步驟1) 計算原始圖像的亮度標準差，獲得亮度對比度感知圖；2) 利用邊緣檢測提取原始圖像的紋理信息，獲得紋理複雜度感知圖；3) 將原始圖像的中央作為視覺注意焦點，獲得空間位置感知圖；4) 綜合以上亮度對比度、糹丈理複雜度和空間位置感知圖，獲得視覺 感知圖；5) 將視覺感知圖中感知係數最大的位置作為視覺感知特徵顯著的位 置。
3. 根據權利要求1所述的全參考型圖像客觀質量評價方法，其特徵 在於，步驟(2)的具體過程如下1) 求原始圖像和失真圖像之間的結構相似度圖S57Af(/,力，並將結構 相似度圖5"S/Af(/,力劃分為互不重疊的8x8塊，以(m, w)為坐標； 計算塊內結構相似度的平均值，作為塊的結構相似度Sbl。ck(w, w)， 利用塊的結構相似度Sbl。ek(m,"),計算失真圖^^目對質量w);2) 將相對質量最差的的位置作為失真圖像失真嚴重的位置。
4. 根據權利要求1所述的全參考型圖像客觀質量評價方法，其特徵 在於，步驟(3)包括以下步驟1) 定義視覺注意焦點轉移原則，視覺注意焦點由失真圖像中央轉移至視覺特徵顯著位置或失真嚴重位置；2) 根據新的視覺注意焦點，獲得視覺注意焦點轉移後的空間位置感 知圖；3) 綜合亮度對比度、紋理複雜度和視覺注意焦點轉移後的空間位置 感知圖，生成^L覺注意焦點轉移後的^L覺感知圖。
5.根據權利要求1所述的全參考型圖像客觀質量評價方法，其特徵 在於，步驟(4)所述的視覺感知圖加權結構相似度包括利用(1)和(3)分別生 成視覺感知圖、視覺注意焦點轉移後的視覺感知圖，並對塊的結構相似度^block(附，W)力。斥又。
全文摘要
本發明公開了一種基於結構相似度的全參考型圖像客觀質量評價方法，包括以下步驟(1)利用空間域視覺特徵，獲得原始圖像的視覺感知圖，並求視覺感知特徵顯著的位置；(2)利用基於結構相似度的評價方法求原始圖像和失真圖像之間的結構相似度圖SSIM(i，j)，計算失真圖像相對質量，並求失真嚴重的位置；(3)定義視覺注意焦點轉移原則，確定新的視覺注意焦點，並重新生成視覺注意焦點轉移後的視覺感知圖；(4)用生成的視覺感知圖加權結構相似度，獲得圖像質量的客觀評價。本發明方法適用於各種圖像編碼、處理算法的設計，以及不同算法的效果比較，對圖像的評價結果更加符合人類主觀評價，有著廣泛的應用前景。
文檔編號H04N17/00GK101621709SQ20091010096
公開日2010年1月6日 申請日期2009年8月10日 優先權日2009年8月10日
發明者樺 張, 翔 田, 陳耀武 申請人:浙江大學