针对JPEG图像格式的显著性细节保持的质量评价方法技术

本发明专利技术提供了一种针对JPEG图像格式的显著性细节保持的质量评价方法，包括以下步骤：对原始图像I和失真图像T进行预处理，先将原图像和失真图像由RGB通道转为YIQ通道，然后对转换后的图像进行下采样，得到下采样图像DI和DT；对下采样图像依次进行四个相似性度量计算，得到四个相似性图，分别为显著性相似性图、梯度相似性图、PSNR相似性图和纹理相似性图；综合上述四种度量因素，最后得到图像的质量评价分数。与现有技术相比，本发明专利技术提出的针对JPEG图像格式的质量评价方法更符合人眼视觉系统，能很准确的预测图像的质量分数，在实际应用中更具有优势。

【技术实现步骤摘要】

本专利技术涉及一种图像处理
的方法，尤其是涉及一种针对JPEG图像格式的显著性细节保持(SDP)的质量评价方法。
技术介绍
在一个完整的图像压缩系统中，对压缩后的图像进行质量评价是一个不可缺少的部分。通过图像质量评价方法对图像的压缩效果进行评价，所得到的结果已经成为比较各种图像处理算法性能，以及优化系统参数一个重要的评价指标。因此，利用图像压缩，可以减轻图像存储和传输的负担，在图像采集、编码压缩、网络传输等领域都有着重要的意义。另外，在互联网大数据应用环境中，随着互联网中可视媒体图片数量的快速增长，以及用户对网页图片加载快速的需求，分析和评估各种主观和客观质量评价方法的特点，构建符合人类视觉感知特征的客观质量评价模型具有重要的意义。为了提高大数据质量评价的效率，客观质量评价是必不可少的手段，让主观评价和客观评价的结果能够得到比较准确的统一，通过对其质量和效率的验证，为互联网企业节省更多的存储和网络成本。图像质量评价方法主要分为主观评价方法与客观评价方法两种。其中图像主观质量评价方法是在标准的环境之下，评分人员对图像的质量进行主观的评分，这种方式的评价完全取决于评分者的感知结果，是完全基于人的视觉判断的。图像客观质量评价方法则是希望通过一种模型来确定出判断图像质量的量化指标，希望能够用数学模型与公式等确定图像质量的水准，达到与人眼主观视觉系统观察图像所得结果相一致的目的。当前比较流行的客观图像质量评级方法主要分为全参考质量评价、半参考质量评价以及无参考质量评价三种。目前常用的全参考质量评价方法有：1、基于通过对原始图像与目标图像的像素误差统计来判断图像质量，如均方误差MSE和峰值信噪比PSNR。2、基于图像局部特征的结构相似度的质量评价方法(SSIM)，是指原始图像与压缩图像的结构信息间的相似性，是一种以图像结构作为出发点产生的图像质量评价方法。由于人眼视觉系统对于图像中的结构信息是十分敏感的，因此SSIM也能很大程度上接近主观评价的效果。但是该方法并不是专门针对JPEG图像格式设计，在实际图像压缩应用中无法采用，速度较慢。3、针对分块编码图像格式的质量评价方法(BBCQ)，Shoham等人发表的“Anovelperceptualimagequalitymeasureforblockbasedimagecompression”的论文中，提出了针对分块编码图像的客观质量评价方法(BBCQ:BlockBasedCodingQuality)。该质量评价方法主要由三个计算因子构成，分别是像素间差异、块状效应评价、以及纹理失真。但是该方法参数较多，不易调整，而且纹理失真这一个因素在实际试验中并不完全符合图像质量损失。以上这些客观质量评价方法并没有完全真实的反应反映出人的主观感受，和人眼视觉特性存在着一定的鸿沟。
技术实现思路
针对上述现有技术中存在的缺陷，本专利技术的目的是提供一种针对JPEG图像格式的显著性细节保持(SDP)的质量评价方法，针对JPEG图像编码特点、符合人眼视觉特性、实用性更强。为达到上述目的，本专利技术所采用的技术方案如下：一种针对JPEG图像格式的显著性细节保持的质量评价方法，包括以下步骤：第一步：对原始图像I和失真图像T进行预处理，然后对预处理后的图像进行下采样，得到对应的下采样图像DI和DT；第二步：对下采样图像DI和DT进行显著性相似度计算，分别得到原始图像与失真图像的显著图SI和ST,然后根据得到的显著图计算原始图像与失真图像的显著相似性salSim；第三步：采用Sobel算子提取图像梯度作为图像的低层特征，得到原始图像与失真图像的梯度图GI和GT，然后计算两者的梯度相似性gSim；第四步：采用滑动窗口的方法，计算窗口内像素的统计值作为窗口中心点的值，逐像素移动窗口,计算原始图像与失真图像的高斯加权PSNR相似性pSim；第五步：采用滑动窗口的方法，计算滑动窗口内原始图像与失真图像标准差的相似度，作为原始图像与失真图像的纹理相似性tSim；第六步：综合上述四种度量，得到原始图像与失真图像的质量评价分数SDP。所述第一步中，对原始图像I和失真图像T进行预处理的方法包括如下：分别将原始图像I和失真图像T由RGB通道转换为YIQ通道，然后对转换后的图像进行下采样，得到对应的下采样图像DI和DT；对RGB到YIQ的颜色空间转换公式如下：YIQ=0.2990.5870.1140.596-0.274-0.3220.211-0.5230.312·RGB]]>对转换后的图像进行下采样的公式如下：F＝max(1,round(N/256))其中：N是图像高度或宽度。所述第二步中，计算原始图像与失真图像的显著相似性salSim的具体方法包括如下：根据已经公开的Frequency-Tuned图像显著检测算法分别计算原始图像与失真图像的显著图SI和ST，按如下公式计算显著性相似性salSim：salSim=2SI·ST+T1SI2+ST2+T1]]>其中：T1是一个非常小的正整数，以确保分母不为零。所述第三步中，Sobel算子和图像梯度的计算公式如下：Gx=10-120-210-1*I]]>Gy=121000-1-2-1*I]]>G=Gx2+Gy2]]>其中：I为原始图像。所述第三步中，原始图像与失真图像的梯度图GI和GT之间的梯度相似性gSim的计算公式如下：gSim=2GI·GT+ϵGI2+GY2+ϵ]]>其中：ε是一个正整数，是根据梯度值的动态范围得到的值。其中，ε≈1200。所述第四步中，计算高斯加权PSNR相似性pSim的具体方法包括如下：为避免JPEG8×8分块效应，考虑到高斯滤波器的对称性及由中心点向四周扩散的特征，将滑动窗口定义为11×11的高斯加权W＝{wij|i,j＝1,2,...,N本文档来自技高网...

【技术保护点】
一种针对JPEG图像格式的显著性细节保持的质量评价方法，其特征在于，该方法包括以下步骤：第一步：对原始图像I和失真图像T进行预处理，然后对预处理后的图像进行下采样，得到对应的下采样图像DI和DT；第二步：对下采样图像DI和DT进行显著性相似度计算，分别得到原始图像与失真图像的显著图SI和ST,然后根据得到的显著图计算原始图像与失真图像的显著相似性salSim；第三步：采用Sobel算子提取图像梯度作为图像的低层特征，得到原始图像与失真图像的梯度图GI和GT，然后计算两者的梯度相似性gSim；第四步：采用滑动窗口的方法，计算窗口内像素的统计值作为窗口中心点的值，逐像素移动窗口,计算原始图像与失真图像的高斯加权PSNR相似性pSim；第五步：采用滑动窗口的方法，计算滑动窗口内原始图像与失真图像标准差的相似度，作为原始图像与失真图像的纹理相似性tSim；第六步：综合上述四种度量，得到原始图像与失真图像的质量评价分数SDP。

【技术特征摘要】
1.一种针对JPEG图像格式的显著性细节保持的质量评价方法，其特征在于，该方法包括以下步骤：
第一步：对原始图像I和失真图像T进行预处理，然后对预处理后的图像进行下采样，得到对应的下采样图像DI和DT；
第二步：对下采样图像DI和DT进行显著性相似度计算，分别得到原始图像与失真图像的显著图SI和ST,然后根据得到的显著图计算原始图像与失真图像的显著相似性salSim；
第三步：采用Sobel算子提取图像梯度作为图像的低层特征，得到原始图像与失真图像的梯度图GI和GT，然后计算两者的梯度相似性gSim；
第四步：采用滑动窗口的方法，计算窗口内像素的统计值作为窗口中心点的值，逐像素移动窗口,计算原始图像与失真图像的高斯加权PSNR相似性pSim；
第五步：采用滑动窗口的方法，计算滑动窗口内原始图像与失真图像标准差的相似度，作为原始图像与失真图像的纹理相似性tSim；
第六步：综合上述四种度量，得到原始图像与失真图像的质量评价分数SDP。
2.根据权利要求1所述的针对JPEG图像格式的显著性细节保持的质量评价方法，其特征在于，所述第一步中，对原始图像I和失真图像T进行预处理的方法包括如下：分别将原始图像I和失真图像T由RGB通道转换为YIQ通道，然后对转换后的图像进行下采样，得到对应的下采样图像DI和DT；
对RGB到YIQ的颜色空间转换公式如下：
对转换后的图像进行下采样的公式如下：
F...

【专利技术属性】
技术研发人员：马利庄，朱恒亮，
申请(专利权)人：上海仙梦软件技术有限公司，
类型：发明
国别省市：上海;31