基于人类视觉系统的图像质量评价方法技术方案

本发明专利技术涉及一种基于人类视觉系统的图像质量评价方法，包括以下步骤：(a)获取原始图像和失真图像；(b)建立GLOP滤波模型，根据所述GLOP滤波模型对所述原始图像和所述失真图像进行滤波，得到滤波后原始图像和滤波后失真图像；(c)根据所述滤波后原始图像和所述滤波后失真图像获得结构相似度；(d)根据所述结构相似度得到所述失真图像的质量评价的客观值。本发明专利技术实施例，不仅提升了图像的主客观一致性，同时还对失真类图像的客观评价做了改进。

Image quality assessment method based on human visual system

The present invention relates to an image quality evaluation method based on human visual system, which comprises the following steps: (a) acquiring the original image and the distorted image; (b) establishing a GLOP filtering model according to which the original image and the distorted image are filtered to obtain the filtered original image and the filtered distorted image. (c) structure similarity is obtained from the filtered original image and the filtered distorted image; (d) objective value of quality evaluation of the distorted image is obtained from the structure similarity. The embodiment of the invention not only improves the subjective and objective consistency of the image, but also improves the objective evaluation of the distorted image.

【技术实现步骤摘要】
基于人类视觉系统的图像质量评价方法
本专利技术属于图像处理领域，具体涉及一种基于人类视觉系统的图像质量评价方法。
技术介绍
随着数字图像处理在卫星遥感、生物医疗、公共安全等领域有着广泛应用，人们对图像质量评价方法的效果要求也越来越高。最近几年，图像质量评价已成为图像信息工程方面一个重要的研究课题，它已经引起了广大学者的高度重视，人们希望可以用客观地、可以定量地用来进行分析的数学模型来表达人们的主观感受，因此研究图像质量的评价方法就具有非常广泛的现实意义。传统的基于峰值信噪比的图像质量评价方法，虽然形式简单、计算方便，但是几乎和人类视觉系统无关，经常导致主客观评价结果不一致。如图1所示，图1为现有技术的一种基于结构相似度的图像质量评价方法的原理示意图。该方法通过计算两幅图像的结构、亮度、相似性信息来得到两幅图像的结构相似度。设原始图像和失真图像分别为x和y，结构相似性算法主要描述的是图像的结构方面的信息，将亮度I，对比度C，结构S这三个因素结合起来表示为图像的失真，其表达式为：这三个部分组成了模型的评判方法：SSIM(a,b)＝[I(a,b)]α[C(a,b)]β[S(a,b)]γ其中，μa、μb为图像x、y的均值，基于均值计算图像的亮度信息I；σa、σb为图像x、y的方差，基于方差计算图像的对比度信息；σab为x、y的协方差，基于协方差和方差计算图像的相似性信息。C1＝(K1*L)2，C2＝(K2*L)2，C3＝C2/2，K1＝0.01，K2＝0.03，L＝255；参数α>0，β>0，γ>0。一般取α＝β＝γ＝1，L是图像中像素灰度的变化范围。结构相似度的取值范围为[0,1]，实验表明，其值越大，图像x和y越相似。传统的基于结构相似度的图像质量评价方法，虽然考虑了一部分人类视觉系统，其评价效果比峰值信噪比的相对好一些，但却不能较好的评价模糊失真类图像，而且主客观一致性也不是特别高，这两种方法的性能都比较低。如图2a、2b、2c、2d、2e、2f、2g所示，图2a为现有技术的一种基于结构相似度的图像质量评价方法的原始图像；图2b为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第一压缩图像；图2c为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第二压缩图像；图2d为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第三压缩图像；图2e为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第一高斯模糊图像；图2f为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第二高斯模糊图像；图2g为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第三高斯模糊图像。其中，图2b、2c、2d图像的压缩程度依次递增，图2e、2f、2g图像的高斯模糊程度依次递增。通过计算出结构相似度，对结果进行主客观一致性评价，压缩图像的主客观一致性值为0.782，模糊图像的主客观一致性值为0.705。由此分析得到，结构相似度算法的主客观一致性值不是很好，还需提高主客观一致性；模糊图像的主客观一致性比压缩图像的低。该方法虽然考虑了部分人眼特性，但效果不是很好。同时，现有的结构相似度算法对人类视觉特性应用的不够充分，导致的主客观一致性不是很高的问题。该方法只是根据经验粗略提取两幅灰度图的亮度、结构、对比度信息，然后对三者进行点乘，没有考虑自然图像的特点，不能很好地预测某些失真类型图像质量，并没细致的研究人类视觉系统，对噪声污染和模糊失真类图像并没有很好的客观评价效果。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于人类视觉系统的图像质量评价方法。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术实施例提供了一种基于人类视觉系统的图像质量评价方法，包括以下步骤：(a)获取原始图像和失真图像；(b)建立GLOP滤波模型，根据所述GLOP滤波模型对所述原始图像和所述失真图像进行滤波，得到滤波后原始图像和滤波后失真图像；(c)根据所述滤波后原始图像和所述滤波后失真图像获得结构相似度；(d)根据所述结构相似度得到所述失真图像的质量评价的客观值。在本专利技术的一个实施例中，步骤(a)之后包括：将所述原始图像和所述失真图像转换为灰度图像。在本专利技术的一个实施例中，步骤(b)包括：(b1)将所述原始图像和所述失真图像从空域转到频域；(b2)获取所述原始图像的第一归一化径向频率和所述失真图像的第二归一化径向频率；(b3)获取所述原始图像的第一方位角和所述失真图像的第二方位角；(b4)设置所述GLOP滤波模型的中心频率和中心方位角，构建所述GLOP滤波模型；(b5)根据所述第一归一化径向频率、所述第二归一化径向频率、所述第一方位角、所述第二方位角以及所述GLOP滤波模型，得到所述滤波后原始图像和所述滤波后失真图像。在本专利技术的一个实施例中，所述GLOP滤波器的频域表达式为：其中，s为输入图像的归一化径向频率，fi为滤波器的中心频率。θf为所述中心频率的带宽；o为输入图像的方位角；θj为滤波模型的中心方位角；σθ为中心方位角的带宽。在本专利技术的一个实施例中，所述θf＝0.12，所述σθ＝1。在本专利技术的一个实施例中，所述GLOP滤波器的滤波模型有2个中心频率fi和4个所述中心方位角θj。在本专利技术的一个实施例中，步骤(b2)包括：(b21)获取所述原始图像的第一径向频率和所述失真图像的第二径向频率；(b22)对所述第一径向频率和所述第二径向频率进行归一化，得到所述第一归一化径向频率和所述第二归一化径向频率。在本专利技术的一个实施例中，步骤(d)之前包括：(x1)根据所述第一归一化径向频率、所述第一方位角、所述第二归一化径向频率以及所述第二方位角建立所述GLOP滤波器的视觉特性表达式；(x2)根据所述第一归一化径向频率和所述第二归一化径向频率建立第一对比度敏感函数；(x3)根据所述第一对比度敏感函数以及所述GLOP滤波器的视觉特性表达式建立第二对比度敏感函数。在本专利技术的一个实施例中，步骤(d)包括：(d1)采用第二对比度敏感函数对所述结构相似度进行加权，得到所述滤波后失真图像的第一加权值和第二加权值；(d2)采用第一对比度敏感函数对所述第一加权值和所述第二加权值进行加权，得到所述失真图像的质量评价的客观值。与现有技术相比，本专利技术的有益效果：1.本专利技术的算法考虑了人类视觉系统，充分利用该系统的优点，在进行结构相似度计算之前先对图像进行滤波平滑，不仅提升了主客观一致性还对失真类图像的客观评价做了良好的改进。2.本专利技术的用客观算法代替了人类视觉系统，避免了大量的实验，有效节省了经济成本和时间成本。附图说明图1为现有技术的一种基于结构相似度的图像质量评价方法的原理示意图；图2a为现有技术的一种基于结构相似度的图像质量评价方法的原始图像；图2b为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第一压缩图像；图2c为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第二压缩图像；图2d为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第三压缩图像；图2e为现有技术的一种基于结构相似度的图像质量评价方法的原始图像的第一高斯模糊图像；图2f为现有技本文档来自技高网...

【技术保护点】
1.一种基于人类视觉系统的图像质量评价方法，其特征在于，包括以下步骤：(a)获取原始图像和失真图像；(b)建立GLOP滤波模型，根据所述GLOP滤波模型对所述原始图像和所述失真图像进行滤波，得到滤波后原始图像和滤波后失真图像；(c)根据所述滤波后原始图像和所述滤波后失真图像获得结构相似度；(d)根据所述结构相似度得到所述失真图像的质量评价的客观值。

【技术特征摘要】
1.一种基于人类视觉系统的图像质量评价方法，其特征在于，包括以下步骤：(a)获取原始图像和失真图像；(b)建立GLOP滤波模型，根据所述GLOP滤波模型对所述原始图像和所述失真图像进行滤波，得到滤波后原始图像和滤波后失真图像；(c)根据所述滤波后原始图像和所述滤波后失真图像获得结构相似度；(d)根据所述结构相似度得到所述失真图像的质量评价的客观值。2.根据权利要求1所述的一种基于人类视觉系统的图像质量评价方法，其特征在于，步骤(a)之后包括：将所述原始图像和所述失真图像转换为灰度图像。3.根据权利要求1所述的一种基于人类视觉系统的图像质量评价方法，其特征在于，步骤(b)包括：(b1)将所述原始图像和所述失真图像从空域转到频域；(b2)获取所述原始图像的第一归一化径向频率和所述失真图像的第二归一化径向频率；(b3)获取所述原始图像的第一方位角和所述失真图像的第二方位角；(b4)设置所述GLOP滤波模型的中心频率和中心方位角，根据GLOP滤波器构建所述GLOP滤波模型；(b5)根据所述第一归一化径向频率、所述第二归一化径向频率、所述第一方位角、所述第二方位角以及所述GLOP滤波模型，得到所述滤波后原始图像和所述滤波后失真图像。4.根据权利要求3所述的一种基于人类视觉系统的图像质量评价方法，其特征在于，所述GLOP滤波器的频域表达式为：其中，s为输入图像的归一化径向频率，fi为滤波器的中心频率。θf为所述中心频率的带宽；o为输入图像的方位角；θj为滤波模型的中心...

【专利技术属性】
技术研发人员：朱苗，
申请(专利权)人：朱苗，
类型：发明
国别省市：陕西,61