基于经验模态分解的无参考全色图像质量评价方法技术

本申请公开了一种基于经验模态分解的无参考全色图像质量评价方法，包括计算原始待处理图像的局部最大值像素点集合和局部最小值像素点集合；获取最大值像素点和最小值像素点包络曲面；对最大值像素点和最小值像素点包络曲面求取代数均值作为均值曲面；计算使得最大值像素点和最小值像素点包络曲面趋于一致的本征模态函数分量，作为第一层细节图；计算新的待处理图像，并以此为基础计算第n本征模态函数分量和余量结果，获取n层细节图；统计n层细节图的图像信息，利用基于综合感知差的评价函数估计图像质量水平。如此方案无需原图或原图的统计参数作为参考,且充分考虑了各层次图像的亮度等评价指标，所得的评价结果与主观评价结果趋于一致。

Quality estimation method of non reference panchromatic image based on empirical mode decomposition

The invention discloses a no reference quality assessment of panchromatic image based on EMD method, including local maximum value calculation of the original image to be processed pixel sets and local minimum pixel set; to obtain the maximum value and the minimum value of the pixel pixel on the envelope surface; the maximum pixel point and minimum value for algebra the mean as the mean surface envelope pixel; computing makes maximum pixel and minimum surface envelope pixel consistent intrinsic mode functions, as the first layer of the details of map; calculate the new image to be processed, and on the basis of the calculation of N intrinsic mode functions and the balance of results, to obtain n layer details figure n layer information; statistical image details of the map, the level of image quality evaluation function based on comprehensive perception difference. The scheme does not need the statistical parameters of the original or the original drawing as the reference, and takes into account the brightness of all levels of the image, and the evaluation results are consistent with the subjective evaluation results.

【技术实现步骤摘要】
基于经验模态分解的无参考全色图像质量评价方法
本申请涉及图像质量评价
，具体地说，涉及一种基于经验模态分解的无参考全色图像质量评价方法。
技术介绍
图像质量评价是一个经典的研究课题，其目标是设计算法，给出和人的主观感受相一致的评价值。人类通过视觉获得的外界信息量约占人类获得总信息量的75％，图像是人类感知和机器模式识别的重要信息源，其质量对所获取信息的充分性和准确性起着决定性的作用。图像质量评价的研究已成为图像信息工程的基础技术之一。目前数字图像质量的评价可以分为主观评价和客观评价。由于图像的最后观察者通常都是人眼，因此，人们一开始便研究图像质量的主观评价测试方法。主观评价方法是通过设计实验，由具有分类统计意义组成的观测者群对图像质量进行评价。通过主观测试评价图像质量通常被认为是比较准确而且可靠的评价结果。但是主观评价测试不仅繁琐、耗时而且实行起来相当昂贵，而且还会受到观测者专业背景、心理和动机等主观因素的影响，并且不能结合到其他算法中使用。这使得在很多情况下都不方便进行主观测试。因此，数字图像质量的客观评价已经越来越为人们所重视，从是否需要原始参考图像(认为是无失真的或者是具有“完美”质量的)的角度来说，可以将图像质量评价方法分为三种：全参考型(FullReference，FR)、部分参考型(ReducedReference，RR)、无参考型(NoReference，NR)。FR图像质量方法需要提供完全的原始参考图像信息，被用来作为评价失真图像质量的参照。FR型图像质量评价方法的特点是数学含义清晰，便于实现，能够捕获像素层面的微小失真。RR图像质量评价方法不需要提供完整的原始参考图像信息，只利用部分的原始图像信息来估计失真图像的视觉感知质量。NR算法可以分为针对失真类型的算法和基于机器学习的算法两种。这类方法的特点是无需参考图像，灵活性强。近年来，NR图像质量评价被越来越多的学者所关注。图像质量评价算法的研究趋势呈现从单纯的客观评价算法转化为主、客观相结合的评价算法，且无参考算法开始成为研究热点。而且近年来，面向任务需求的图像质量评价算法逐渐增多，主要原因是在不同的应用场合下对图像质量进行评价的侧重点有所不同。有些场合更注重图像在细节上的刻画，而有些场合则注重图像在结构上的清晰度。再者，不同的评价方法对于压缩、模糊、加性噪声等不同失真类型和图像内容(自然场景、人物、指纹、编织袋等)的敏感度也不同。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了一种基于经验模态分解的无参考全色图像质量评价方法，提供针对模糊这种失真类型的图像质量评定。在无需原图或者原图的统计参数作为参考的情况下，利用基于综合感知差的客观评价函数，对经EMD分解后的各层图像细节图进行统计评价，以正确感知图像的实际质量水平。为了解决上述技术问题，本申请有如下技术方案：一种基于经验模态分解的无参考全色图像质量评价方法，其特征在于，包括：针对原始待处理图像，计算所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合；分别对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面；针对所述最大值像素点包络曲面和所述最小值像素点包络曲面求取代数均值，作为均值曲面；根据均值曲面和原始待处理图像数据，计算出使得所述最大值像素点包络曲面和所述最小值像素点包络曲面趋于一致的一个本征模态函数分量，作为第一本征模态函数分量，作为第1层细节图；根据第一本征模态函数分量和所述原始待处理图像，计算出新的待处理图像，以新的待处理图像为基础计算出第n本征模态函数分量和余量结果，获取到n层细节图，其中n≥2；统计所述n层细节图的图像信息，利用基于综合感知差的评价函数估计图像质量水平。优选地，其中：针对原始待处理图像，计算所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合，进一步为：针对原始待处理图像，依次在3x3邻域内选择最大值像素点和最小值像素点，图像边界处延展预设宽度，获得所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合。优选地，其中：分别对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面，进一步为：通过三次样条插值方法对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面。优选地，其中：根据均值曲面和原始待处理图像数据，计算出使得所述最大值像素点包络曲面和所述最小值像素点包络曲面趋于一致的一个本征模态函数分量，作为第一本征模态函数分量，作为第一层细节图，进一步为：利用原始待处理图像数据I(x,y)减去代数均值曲面mI(x,y)后，判断其结果h1(x,y)是否满足本征模态函数分量的条件，若不满足，则须将h1(x,y)作为新的被处理图像，利用h2(x,y)＝h1(x,y)-m1I(x,y)重复求取均值曲面mI(x,y)的过程，重复k次后，当mkI(x,y)趋于零，最大值像素点包络曲面和最小值像素点包络曲面趋于一致，hk+1(x,y)＝hk(x,y)-mkI(x,y)，第1本征模态函数分量c1＝hk+1(x,y)，作为第1层细节图。优选地，其中：根据第一本征模态函数分量和所述原始待处理图像，计算出新的待处理图像，以新的待处理图像为基础计算出第n本征模态函数分量和余量结果，获取到n层细节图，进一步为：将第1本征模态函数分量c1从原始待处理图像中分离出来，用原始待处理图像与第1本征模态函数分量c1的差作为新的被处理图像，以新的待处理图像为基础，依次获得第2、3…n层细节图，直到差值余量呈单调趋势或处于预设数值范围时停止，得到n层细节图和余量结果。优选地，其中：统计所述n层细节图的图像信息，利用基于综合感知差的评价函数估计图像质量水平，进一步为：利用综合感知差的评价函数DGP估计图像质量水平，其中综合感知差的评价函数DGP为：其中，H代表图像的熵，G代表平均梯度，DHP代表图像亮度信息，DHP由图像的累计直方图分布统计特性表征，DHP具体体现为：其中，n为分解后的细节图层数，l为图像的灰度级数，C(l)为输入图像累计直方图分布函数，C0(l)为标准图像累计直方图分布函数。优选地，其中：所述输入图像累计直方图分布函数的获取方法为：设ml是图像中具有灰度级l的像素数目(0≤l≤L-1，0≤ml≤m)，L为灰度级总数，m为图像像素总数，则其归一化灰度直方图概率密度函数为：由此得到输入图像累计直方图分布函数：优选地，其中：所述标准图像累计直方图分布函数的获取方法为：对经过经验模态分解方法分解后得到的n层细节图像累计直方图求平均，得到标准图像直方图累计直方图分布函数：优选地，其中：所述图像的熵H通过以下函数获得：其中，P(l)为归一化灰度直方图概率密度函数。优选地，其中：所述平均梯度G，通过以下函数获得：其中，和分别为(x,y)点像素灰度在其行、列方向上的梯度，M×N为图像大小。与现有技术相比，本申请所述的方法，达到了如下效果：第一，本专利技术所述基于经验模态分解的无参考全色图像质量评价方法，在图像质量评价领域引入了经验模态分解方法，该方法具有自适应性的特点，本文档来自技高网...

【技术保护点】
一种基于经验模态分解的无参考全色图像质量评价方法，其特征在于，包括：针对原始待处理图像，计算所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合；分别对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面；针对所述最大值像素点包络曲面和所述最小值像素点包络曲面求取代数均值，作为均值曲面；根据均值曲面和原始待处理图像数据，计算出使得所述最大值像素点包络曲面和所述最小值像素点包络曲面趋于一致的一个本征模态函数分量，作为第一本征模态函数分量，作为第1层细节图；根据第一本征模态函数分量和所述原始待处理图像，计算出新的待处理图像，以新的待处理图像为基础计算出第n本征模态函数分量和余量结果，获取到n层细节图，其中n≥2；统计所述n层细节图的图像信息，利用基于综合感知差的评价函数估计图像质量水平。

【技术特征摘要】
1.一种基于经验模态分解的无参考全色图像质量评价方法，其特征在于，包括：针对原始待处理图像，计算所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合；分别对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面；针对所述最大值像素点包络曲面和所述最小值像素点包络曲面求取代数均值，作为均值曲面；根据均值曲面和原始待处理图像数据，计算出使得所述最大值像素点包络曲面和所述最小值像素点包络曲面趋于一致的一个本征模态函数分量，作为第一本征模态函数分量，作为第1层细节图；根据第一本征模态函数分量和所述原始待处理图像，计算出新的待处理图像，以新的待处理图像为基础计算出第n本征模态函数分量和余量结果，获取到n层细节图，其中n≥2；统计所述n层细节图的图像信息，利用基于综合感知差的评价函数估计图像质量水平。2.根据权利要求1所述基于经验模态分解的无参考全色图像质量评价方法，其特征在于，针对原始待处理图像，计算所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合，进一步为：针对原始待处理图像，依次在3x3邻域内选择最大值像素点和最小值像素点，图像边界处延展预设宽度，获得所述原始待处理图像的局部最大值像素点集合和局部最小值像素点集合。3.根据权利要求1所述基于经验模态分解的无参考全色图像质量评价方法，其特征在于，分别对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面，进一步为：通过三次样条插值方法对所述局部最大值像素点集合和所述局部最小值像素点集合进行插值处理，获得最大值像素点包络曲面和最小值像素点包络曲面。4.根据权利要求1所述基于经验模态分解的无参考全色图像质量评价方法，其特征在于，根据均值曲面和原始待处理图像数据，计算出使得所述最大值像素点包络曲面和所述最小值像素点包络曲面趋于一致的一个本征模态函数分量，作为第一本征模态函数分量，作为第一层细节图，进一步为：利用原始待处理图像数据I(x,y)减去代数均值曲面mI(x,y)后，判断其结果h1(x,y)是否满足本征模态函数分量的条件，若不满足，则须将h1(x,y)作为新的被处理图像，利用h2(x,y)＝h1(x,y)-m1I(x,y)重复求取均值曲面mI(x,y)的过程，重复k次后，当mkI(x,y)趋于零，最大值像素点包络曲面和最小值像素点包络曲面趋于一致，hk+1(x,y)＝hk(x,y)-mkI(x,y)，第1本征模态函数分量c1＝hk+1(x,y)，作为第1层细节图。5.根据权利要求1所述基于经验...

【专利技术属性】
技术研发人员：高昆，郭越，孔祥皓，陈卓一，李响，杨桦，豆泽阳，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11