[發(fā)明專利]基于威布爾統(tǒng)計(jì)特征的內(nèi)容不敏感模糊圖像質(zhì)量評(píng)價(jià)方法

有效

• 申請?zhí)枺?/td>: 201710052877.9
• 申請日: 2017-01-24
• 公開（公告）號(hào): CN106875383B
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 鄧宸偉;王水根;周士超;李震;趙保軍
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/44
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 代麗;仇蕾安

本發(fā)明公開了一種基于威布爾統(tǒng)計(jì)特征的內(nèi)容不敏感模糊圖像質(zhì)量評(píng)價(jià)方法。使用本發(fā)明能夠很好解決現(xiàn)有算法對(duì)相同模糊程度但內(nèi)容不同的模糊圖像評(píng)價(jià)不準(zhǔn)確的問題。本發(fā)明取待評(píng)價(jià)圖像的邊緣梯度幅值矩陣，對(duì)邊緣梯度幅值矩陣采用威布爾分布進(jìn)行建模擬合，得到梯度的威布爾分布形狀和尺度參數(shù)，同時(shí)計(jì)算威布爾分布形狀的偏斜度值，提取的形狀、尺度和偏斜度參數(shù)可以很好地區(qū)分不同模糊程度圖像的梯度幅值分布；然后對(duì)具有相同內(nèi)容圖像的威布爾分布形狀、尺度和偏斜度做分離歸一化，減少參數(shù)與圖像內(nèi)容之間的關(guān)系，到達(dá)與圖像內(nèi)容不敏感的目的；最后利用歸一化后的威布爾分布形狀、尺度和偏斜度為特征值，對(duì)待評(píng)價(jià)圖像進(jìn)行質(zhì)量評(píng)價(jià)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于威布爾統(tǒng)計(jì)特征的內(nèi)容不敏感模糊圖像質(zhì)量評(píng)價(jià)方法。

背景技術(shù)

數(shù)字多媒體技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，使得多媒體內(nèi)容可以成為現(xiàn)代人們?nèi)粘蕵贰⑼ㄐ诺闹饕獌?nèi)容，比如，高分辨率電視(High Definition Television，HDTV)、流媒體網(wǎng)絡(luò)電視(Streaming Internet Protocol TV，IPTV)、愛奇藝、優(yōu)酷、Youtube、Flickr等視頻網(wǎng)站。如此海量的數(shù)據(jù)和龐大的需求使得人類對(duì)多媒體影像的觀賞質(zhì)量要求越來越高，同時(shí)觸發(fā)多媒體信號(hào)采集、壓縮、傳輸、增強(qiáng)以及重構(gòu)等技術(shù)的大力研究。在多媒體采集、處理等過程中，信號(hào)經(jīng)常受到很多外界不利因素的干擾，包括噪聲、模糊、壓縮塊效應(yīng)等。其中，圖像模糊是最常見的一種失真類型，通常包括失焦模糊和運(yùn)動(dòng)模糊兩種。失焦模糊是由于相機(jī)焦點(diǎn)不在物體上導(dǎo)致的，而運(yùn)動(dòng)模糊則是由于相機(jī)和物體存在相對(duì)運(yùn)動(dòng)。無論是哪種模糊都會(huì)使得被模糊物體的邊緣失去銳度，結(jié)構(gòu)變得不清晰，嚴(yán)重影響人類視覺體驗(yàn)。因此，期望能夠建立一種客觀的圖像模糊評(píng)價(jià)機(jī)制，對(duì)模糊圖像質(zhì)量評(píng)判打分，進(jìn)而指導(dǎo)采集、處理等過程。

現(xiàn)有的圖像質(zhì)量評(píng)價(jià)算法，依據(jù)是否借助無失真圖像做參考，可以分為全參考、部分參考和無參考評(píng)價(jià)算法。全參考評(píng)價(jià)算法可以利用無失真圖像的所有信息，部分參考評(píng)價(jià)算法則只能通過無失真圖像的部分信息做參考，而無參考評(píng)價(jià)算法無需利用無失真圖像的信息。從效果進(jìn)行比較，全參考評(píng)價(jià)模型由于可以利用全部的信息，往往有最好的效果；而從實(shí)用的角度比較，由于實(shí)際中無失真圖像很多時(shí)候是獲取不到的，此時(shí)，只有無參考評(píng)價(jià)模型適用。所以，研究無參考模糊圖像質(zhì)量評(píng)價(jià)算法具有重要的實(shí)際作用。

最近一些年，國內(nèi)外很多專家學(xué)者進(jìn)行了模糊圖像無參考質(zhì)量評(píng)價(jià)方面的研究，提出了一系列算法，根據(jù)特征提取方法的不同，可以分為基于空間域的、基于變換域的和基于梯度的三種類型算法。

基于空間域特征提取的無參考模糊評(píng)價(jià)算法，一般提取圖像邊緣寬度和紋理等特征作為圖像模糊的表征。該類方法中，無論是空間域計(jì)算水平和豎直方向圖像邊緣的延伸度，還是計(jì)算像素變化協(xié)方差的模型，都很容易受到邊緣提取精度和邊緣銳度建模精度的影響，容易產(chǎn)生誤差。同時(shí)，這些模型提取的特征描述對(duì)圖像內(nèi)容敏感，可能導(dǎo)致相同模糊程度的但內(nèi)容不同的兩幅圖像計(jì)算得到的特征表征差別比較大。

基于變換域的無參考模糊評(píng)判模型基于模糊導(dǎo)致圖像高頻能量減少的理論提出對(duì)圖像進(jìn)行傅里葉變換、離散余弦變換、離散小波變換或稀疏變換等。其中一些算法通過變換系數(shù)計(jì)算得到能量損失程度，另外一些算法則從變換系數(shù)中提取自然場景統(tǒng)計(jì)特征(Natural Scene Statistics,NSS)。這類方法同樣受到圖像內(nèi)容的影響，無論是能量還是NSS特征，對(duì)無失真的圖像平滑區(qū)域和紋理區(qū)域結(jié)果差別很大，無法客觀衡量圖像模糊與否。

而基于圖像梯度域方法的提出是來源于模糊會(huì)導(dǎo)致圖像梯度下降的理論。有的方法通過提取梯度計(jì)算邊緣的寬度，有的方法結(jié)合邊緣梯度幅值的標(biāo)準(zhǔn)差和梯度幅值，也有一些方法提取梯度分布的統(tǒng)計(jì)特性。然而，這些方法在提取特征的過程中沒有考慮圖像內(nèi)容對(duì)特征值的影響，給評(píng)價(jià)結(jié)果帶來誤差。

因此，有必要研究一種對(duì)圖像內(nèi)容不敏感的模糊評(píng)價(jià)算法，對(duì)相同模糊程度不同圖像內(nèi)容的圖像評(píng)價(jià)結(jié)果一樣，有效解決現(xiàn)有評(píng)價(jià)算法存在的問題。

發(fā)明內(nèi)容