[發(fā)明專利]一種基于奇異值分解的圖像質(zhì)量評價方法

無效

• 申請?zhí)枺?/td>: 201010296639.0
• 申請日: 2010-09-29
• 公開（公告）號: CN101950422A
• 公開（公告）日: 2011-01-19
• 發(fā)明（設(shè)計）人: 王睿;崔玉柱
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于奇異值分解的圖像質(zhì)量評價方法，其特征在于：該方法具體步驟如下：

步驟一：將原始圖像與失真圖像，大小均為m×n，分成規(guī)則的圖像塊k×k分塊，圖像塊個數(shù)為m×n/k×k個，k小于m，n；

步驟二：按步驟一進行分塊后，對原始圖像和失真圖像分成的圖像塊，按照數(shù)值計算的奇異值分解原理編程實現(xiàn)奇異值分解，獲得分解向量，U，V，S和U^(p)，V^(p)，S^(p)；其中，U，V，S分別代表原始圖像單個圖像塊奇異值分解獲得的左奇異向量，右奇異向量及奇異值特征向量；U^(p)，V^(p)，S^(p)分別代表失真圖像對應(yīng)圖像塊奇異值分解的左奇異向量，右奇異向量及奇異值特征向量；

步驟三：根據(jù)步驟二中獲得的分解向量，計算原始圖像單個圖像塊與失真圖像對應(yīng)圖像塊的左、右奇異向量U，V和U^(p)，V^(p)中所含圖像結(jié)構(gòu)信息具有結(jié)構(gòu)失真，因此考慮構(gòu)造圖像結(jié)構(gòu)失真C_UV，具體實現(xiàn)如下：

左奇異向量大小為k×k，按列向量方式表示U，U＝[U₁，U₂，...U_i]_1×k；右奇異值向量大小為k×k，按列向量方式表示V，V＝[V₁，V₂，...V_i]_1×k

構(gòu)造并令γ_i＝(α_i+β_i)，代表了原始圖像單個圖像塊與失真圖像對應(yīng)圖像塊分解向量U，V和U^(p)，V^(p)中含有的全部信息；

構(gòu)造代表了原始圖像與不失真圖像的圖像塊分解向量U，V和U，V中含有的全部信息；由奇異值分解特征知，

認為γ_0i和γ_i的差值表示圖像信息損失，構(gòu)造計算方法完成對原始圖像單個圖像塊和失真圖像對應(yīng)圖像塊的圖像結(jié)構(gòu)失真衡量；

同時，計算原始圖像單個圖像塊與失真圖像對應(yīng)圖像塊的奇異值特征向量S和S^(p)中所含圖像亮度信息具有亮度失真，因此構(gòu)造圖像亮度失真C_S，具體實現(xiàn)如下：

原始圖像單個圖像塊奇異值分解得到奇異值特征向量S＝[σ₁，σ₂，...，σ_i]，對應(yīng)失真圖像對應(yīng)圖像塊奇異值分解得到奇異值特征向量

構(gòu)造計算方法完成對原始圖像單個圖像塊和失真圖像對應(yīng)圖像塊的圖像亮度失真衡量；

步驟四：聯(lián)合計算原始圖像單個圖像塊和失真圖像對應(yīng)圖像塊的圖像結(jié)構(gòu)失真和圖像亮度失真，得到計算公式D_l，其中D_l＝C_UV·C_S；D_l表示原始圖像單個圖像塊和失真圖像對應(yīng)圖像塊中的信息損失；對于m×n/k×k個圖像塊，循環(huán)計算，獲得m×n/k×k個D_l值，并求取全部圖像塊的均值

步驟五：綜合上述圖像質(zhì)量評價參數(shù)，定義基于奇異值分解的圖像質(zhì)量評價指標當(dāng)QSVD值為0時，則圖像質(zhì)量最好，隨著QSVD變化，QSVD值越大，則圖像質(zhì)量越差。