[發(fā)明專利]基于多尺度分解的壓縮圖像質(zhì)量無參評估方法有效
| 申請?zhí)枺?/td> | 201310464607.0 | 申請日： | 2013-10-09 |
| 公開（公告）號： | CN103533344A | 公開（公告）日： | 2014-01-22 |
| 發(fā)明（設(shè)計）人： | 錢振興;王文文;張新鵬 | 申請（專利權(quán)）人： | 上海大學(xué) |
| 主分類號： | H04N17/00 | 分類號： | H04N17/00;H04N19/625 |
| 代理公司： | 上海上大專利事務(wù)所(普通合伙) 31205 | 代理人： | 陸聰明 |
| 地址： | 200444*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 尺度 分解 壓縮 圖像 質(zhì)量 參評 方法 | ||
技術(shù)領(lǐng)域
本發(fā)明涉及一種利用信號處理和計算機技術(shù)分解數(shù)字圖像內(nèi)容以便對壓縮圖像質(zhì)量進行無參考評估的方法。
背景技術(shù)
由于壓縮圖像被廣泛地應(yīng)用，對壓縮圖像質(zhì)量進行評估，有助于分析圖像質(zhì)量的優(yōu)劣、評價各類壓縮算法的性能。質(zhì)量評估中，根據(jù)是否有原始圖像作為參考，通常分為有參評估和無參評估。相比于有參質(zhì)量評估，數(shù)字圖像無參質(zhì)量評估不需要原始未壓縮圖像，因此具有更好的應(yīng)用價值。
常見的壓縮圖像多采用分塊的方式，對每一塊單獨進行壓縮，在一定程度上造成了圖像塊與塊相鄰處有一定的差異，壓縮程度不同對圖像邊緣結(jié)構(gòu)也有較大影響。基于此，目前大多數(shù)針對壓縮圖像的質(zhì)量評估方法，假定在已知圖像分塊位置的前提下，通過分析圖像中的塊效應(yīng)或者邊緣變化的大小來判定壓縮程度并給出質(zhì)量評分。各種方法的評估方式不盡相同，可參閱如下論文：
1.?S.?Lee,?J.?P.?Sang.?A?new?image?quality?assessment?method?to?detect?and?measure?strength?of?blocking?artifacts.?Signal?Processing:?Image?Communication,?Vol.?27,?No.?1,?pp.?31-38,?2012.
2.?M.?A.?Saad,?A.?C.?Bovic,?A?Two-Step?Framework?for?Constructing?Blind?Image?Quality?Indices,?IEEE?Signal?Processing?letters,?Vol.?17,?No.?5,?May.?2010,?pp.?513-?516.
3.?C.?H.?Yim?and?A.?C.?Bovik,?Quality?Assessment?of?Deblocked?Images,?IEEE?Transactions?on?Image?Processing,?Vol.?20,?No.?1,?Jan.?2011,?pp.?88-98
4.?Z.?Wang,?A.?C.?Bovik,?B.?L.?Evan,?Blind?Measurement?of?Blocking?Artifacts?in?Images,?IEEE?International?Conference?on?Image?Processing,?Vol.3,?2000,?pp.?981-984
然而這些方法通常假定已知圖像的分塊位置，當壓縮圖像經(jīng)過低通濾波、裁剪等處理后，圖像中的塊效應(yīng)減弱或分塊位置發(fā)生偏移，導(dǎo)致評價結(jié)果并不理想，即質(zhì)量評估的魯棒性較差。
發(fā)明內(nèi)容
本發(fā)明的目的，在于提供一種基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，該方法根據(jù)圖像壓縮過程中出現(xiàn)的失真，可對壓縮圖像的質(zhì)量進行準確評估，并能提高圖像質(zhì)量無參評估的魯棒性。
為達到以上目的，本發(fā)明采用如下方案：
基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，首先，提取壓縮圖像的邊緣像素，采用非下采樣的輪廓波變換，構(gòu)建圖像邊緣漸變特征因子；其次，對壓縮圖像進行一維離散余弦變換(DCT)，獲得的圖像平滑特征因子；最后，將圖像邊緣漸變特征因子和圖像的平滑特征因子融合，得到壓縮圖像無參質(zhì)量評估的評價值公式，實現(xiàn)對壓縮圖像無參質(zhì)量評估，實現(xiàn)步驟如下：
(1)、提取壓縮圖像的邊緣像素，得到所有邊緣像素集合E及其相應(yīng)的坐標集合F；對壓縮圖像的所有像素進行三層非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標集合F中所有元素，判斷邊緣像素集合E中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子；
(2)、將圖像進行分塊，對每一圖像分塊中的行和列作一維離散余弦（DCT）變換，得到（DCT）變換系數(shù)，根據(jù)圖像塊中向量的一維（DCT）變換中行或列系數(shù)的數(shù)值，確定所有行或列方向平滑向量的個數(shù)，獲得圖像平滑特征因子；
(3)、對上述步驟(1)所述的圖像邊緣漸變特征因子與步驟(2)所述的圖像平滑特征因子進行融合，得到該壓縮圖像無參質(zhì)量評估的評價值。
上述步驟(1)所述的提取壓縮圖像的邊緣像素，得到所有邊緣像素集合E和相應(yīng)的坐標集合F，對壓縮圖像的所有像素進行非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標集合F，判斷邊緣像素集合E中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子，其具體步驟如下：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海大學(xué)，未經(jīng)上海大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310464607.0/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
