[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

技術(shù)領(lǐng)域

本發(fā)明提出一種基于奇異值分解的圖像質(zhì)量評價方法，屬于圖像質(zhì)量評價領(lǐng)域。具體涉及一種基于圖像奇異值分解，獲得含有圖像結(jié)構(gòu)信息和亮度信息的奇異特征向量的客觀圖像質(zhì)量評價方法。

背景技術(shù)

圖像質(zhì)量評價是圖像處理系統(tǒng)的關(guān)鍵技術(shù)之一，有很多因素影響到對圖像質(zhì)量好壞的判斷。圖像質(zhì)量評價的方法和指標(biāo)，可在視頻編碼、圖像處理系統(tǒng)等應(yīng)用領(lǐng)域中對如何改進(jìn)圖像質(zhì)量、選擇相應(yīng)的圖像處理方法提供有益的指導(dǎo)。

圖像質(zhì)量評價方法主要分為主觀質(zhì)量評價方法和客觀質(zhì)量評價方法兩類。主觀評價方法是指把多個觀察者對待評價圖像的質(zhì)量進(jìn)行主觀打分來進(jìn)行加權(quán)平均的綜合評價，最常用的主觀質(zhì)量評價方法有主觀平均分法(Mean?Opinion?Score，MOS)，差分主觀平均分法(Difference?Mean?Opinion?Score，DMOS)等。因其在實際應(yīng)用中需要眾多評估者參與，步驟復(fù)雜、耗時長、費用高，且結(jié)果易受觀察者、測試條件和環(huán)境的影響，穩(wěn)定性差等受到很大限制。

目前的研究以客觀評價方法為主，研究目標(biāo)是使得質(zhì)量評價模型準(zhǔn)確地反映人眼視覺感知的主觀質(zhì)量。客觀質(zhì)量評價的主要目的是用客觀、定量的數(shù)學(xué)模型給出的量化指標(biāo)或參數(shù)來表達(dá)人們對圖像的主觀感受。數(shù)學(xué)模型的應(yīng)用使得圖像的客觀質(zhì)量評價具有快速、穩(wěn)定、易于被量化的特點。

目前最常用的客觀圖像質(zhì)量評價指標(biāo)是均方誤差(Mean?Square?Error，MSE)和峰值信噪比(Peak?Signal?Noise?Ratio，PSNR)，它們都是基于統(tǒng)計特性的客觀圖像質(zhì)量評價方法。MSE和PSNR的計算比較直觀、簡單，這使得它們一直得到廣泛使用。但僅是對像素點之間誤差的純數(shù)學(xué)統(tǒng)計，沒有考慮到像素點間的相關(guān)性和人眼視覺系統(tǒng)(Human?Visual?System，HVS)的感知特性，在很多情況下不符合人的主觀感受。

基于HVS模型，在分析人眼主要視覺特性的基礎(chǔ)上提出一種圖像質(zhì)量評價新方法，這些方法的處理步驟包括：預(yù)處理、對比敏感度濾波、通道分解、誤差量化和誤差合并等。但是，一些固有的困難阻礙了此類方法的發(fā)展。首先，由于人眼視覺特性非常復(fù)雜，目前的研究僅考慮了已知的幾個人眼視覺特性，人們對HVS的認(rèn)識還不透徹，無法建立精確、統(tǒng)一的模型，這直接影響到質(zhì)量估計的準(zhǔn)確性。其次，HVS是一個極為復(fù)雜的系統(tǒng)，對HVS組成結(jié)構(gòu)的模擬通常會導(dǎo)致算法復(fù)雜、運算量大。因此，基于HVS模型的方法目前還不能取代被廣泛采用的PSNR和MSE等簡單誤差標(biāo)準(zhǔn)。

Zhou?Wang等學(xué)者提出了一種基于結(jié)構(gòu)失真的圖像質(zhì)量評價方法，結(jié)構(gòu)相似性理論和結(jié)構(gòu)相似度(Structural?Similarity，SSIM)指數(shù)。結(jié)構(gòu)相似性理論從高層次上模擬HVS的整體功能，認(rèn)為HVS的主要功能是從視野中提取結(jié)構(gòu)信息，因此用對結(jié)構(gòu)信息的度量作為圖像感知質(zhì)量的近似。該圖像質(zhì)量評價方法從圖像組成的角度將結(jié)構(gòu)信息定義為獨立于亮度、對比度的，反映場景中物體結(jié)構(gòu)的屬性，并將失真建模為亮度、對比度和結(jié)構(gòu)三個不同因素的組合進(jìn)行了分析研究，基于結(jié)構(gòu)失真模型取得了較好的圖像質(zhì)量評價效果。同樣，該方法也存在一定的缺陷。例如，對于模糊失真類型的圖像質(zhì)量評價的準(zhǔn)確性較低；對不同失真類型、不同失真強(qiáng)度圖像的評價缺乏一致性。

也有學(xué)者嘗試?yán)闷娈愔捣纸獾挠嬎惴椒ǎ偨Y(jié)出用于圖像質(zhì)量評價的方法。例如，騫森等人提出基于奇異值分解的質(zhì)量評價方法，利用不同奇異值特征向量之間的夾角的性質(zhì)對圖像質(zhì)量進(jìn)行評價，這種方法對不同失真類型、不同失真強(qiáng)度圖像的評價缺乏一致性。張飛燕等人提出的一種基于視覺加權(quán)的奇異值分解壓縮圖像質(zhì)量評價測度方法，主要針對壓縮重建圖像進(jìn)行質(zhì)量評價。

發(fā)明內(nèi)容

1、目的：本發(fā)明的目的是提供一種基于奇異值分解的圖像質(zhì)量評價方法，該方法在圖像分塊的基礎(chǔ)上，基于奇異值分解，提出結(jié)合分解后獲得的左奇異向量U，右奇異向量V和奇異值特征向量S，這些奇異特征向量中含有圖像結(jié)構(gòu)信息和亮度信息，按照特定的方法計算，總結(jié)出一種基于奇異值分解的圖像質(zhì)量評價方法。

2、技術(shù)方案：本發(fā)明一種基于奇異值分解的圖像質(zhì)量評價方法，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，例如，k×k分塊。圖像塊個數(shù)為(m×n/k×k)個。(k小于m，n)