[發(fā)明專利]基于人眼視覺特性的圖像質(zhì)量評價方法

有效

• 申請?zhí)枺?/td>: 201710575476.1
• 申請日: 2017-07-14
• 公開（公告）號: CN107169484B
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計）人: 唐貴進;張詩;林寶棟;劉小花;崔子冠;劉峰
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06T7/37
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 劉莎

本發(fā)明公開了一種基于人眼視覺特性的圖像質(zhì)量評價方法，可以對無參考幀情況下的圖像處理后的效果進行客觀評價。本發(fā)明的質(zhì)量評價方法首先生成輸入圖像的顯著度圖像，然后對原圖和顯著度圖像都進行尺度劃分，接著在每個尺度上提取原圖像的特征，并利用凸顯人眼感興趣區(qū)域的顯著度圖像的加權(quán)策略，對原圖像的特征加權(quán)得到不同尺度的質(zhì)量因子，最后對各個尺度的質(zhì)量因子加權(quán)平均得到最終的圖像質(zhì)量評價指標。本發(fā)明的方法充分考慮了人眼的視覺特性，因此能更有效、更準確地對圖像質(zhì)量進行評價。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于人眼視覺特性的圖像質(zhì)量評價方法，適用無參考幀情況下的圖像質(zhì)量評價，屬于計算機視覺研究領(lǐng)域。

背景技術(shù)

圖像處理技術(shù)的不斷發(fā)展促進了圖像質(zhì)量評價方法深入的研究與應(yīng)用，圖像的質(zhì)量評價方法一般來評價一幅圖像的效果從而判斷圖像處理算法的優(yōu)劣。

圖像質(zhì)量評價的方法一般分為兩種方式：主觀評價和客觀評價。主觀評價主要分為基于色知覺的主觀評價和基于嗜好的主觀評價，它是一種定性的評價方法。ITU推薦了雙刺激連續(xù)質(zhì)量尺度法、雙刺激損傷尺度法、單刺激連續(xù)質(zhì)量度量法等，以獲取主觀評分。客觀評價從本質(zhì)上是通過恰當?shù)奈锢砹炕蛘呤琴|(zhì)量特性參數(shù)來對圖像質(zhì)量進行量化的描述。客觀圖像質(zhì)量評價方法分為3種：(1)全參考圖像質(zhì)量評價法；(2)半?yún)⒖紙D像質(zhì)量評價法；(3)無參考圖像質(zhì)量評價法。

圖像處理算法越來越成熟，但在無參考幀的情況下，一直缺乏一個客觀有效的通用的評價體系和方法。而且現(xiàn)有的很多圖像質(zhì)量評價方法也沒有很好地將人眼的視覺感知特性融入其中。這就導(dǎo)致了一個算法的優(yōu)劣通常需要主觀實驗的方法來判定評價，但是主觀質(zhì)量評價對于人力物力的需求巨大，所以其在獲得比較準確的評價的同時，帶來的結(jié)果是操作復(fù)雜且成本較高，因此無法廣泛應(yīng)用于實際的算法研究中。客觀質(zhì)量評價主要是根據(jù)人的主觀評價中的感受建立相對應(yīng)的數(shù)學(xué)模型，然后根據(jù)數(shù)學(xué)模型生成的數(shù)學(xué)公式計算，從而得到類似于主觀評價的質(zhì)量指標，該方法成本低且計算簡單，是一種大量使用的方法。數(shù)學(xué)模型對于最后的評價結(jié)果有著決定性的影響。目前常見的客觀質(zhì)量評價指標有如下幾類：(1)圖像對比度；(2)圖像信息熵；(3)圖像的清晰度；(4)圖像的自然性保持。

單一的圖像特征信息提取往往會造成評價效果精確度的下降，對有些圖像無法達到主客觀相一致的效果。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明設(shè)計了一種基于人眼視覺特性的圖像質(zhì)量評價方法，使得主客觀評價基本一致，避免了單一特征的局限性。本發(fā)明的目的是利用人眼的視覺特性，使用影響人眼視覺感知圖像的負面特征作為一幅圖像的主要特征，同時采取多尺度的圖像處理不僅避免了單尺度的局限性，同時也詮釋了人眼在感知圖像時的多層次性。最后采用的基于顯著度的權(quán)重分配策略也是符合人眼視覺特性的。本發(fā)明包含了影響人眼視覺的特征的提取、多尺度的分離、以及顯著度權(quán)重矩陣的生成等環(huán)節(jié)，以實現(xiàn)客觀評價與主觀評價在主要方面的一致。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

本發(fā)明提供一種基于人眼視覺特性的圖像質(zhì)量評價方法，其特征在于，包括以下具體步驟：

步驟1，生成待評價圖像的顯著度圖像以及顯著度權(quán)重矩陣；

步驟2，分別對待評價圖像及其顯著度圖像進行尺度劃分；

步驟3，對尺度劃分后待評價圖像的每個尺度進行圖像特征的提取，并將各個尺度提取的圖像特征進行合并，得到各個尺度下待評價圖像的特征質(zhì)量分布矩陣；

步驟4，對各個尺度的顯著度權(quán)重矩陣和質(zhì)量分布矩陣進行加權(quán)處理，得到待評價圖像的質(zhì)量評價指標，實現(xiàn)對待評價圖像的質(zhì)量評價。

作為本發(fā)明的進一步技術(shù)方案，步驟1中待評價圖像的顯著度圖像的生成方法為：

1.1，將待評價圖像分解為RGB三通道圖像，分別對三通道圖像進行DCT變換，并利用sign函數(shù)獲得各個通道的圖像描述子；