一种梯度相似度图像质量评价方法及装置制造方法及图纸

本发明专利技术公开了一种基于扩展梯度算子的结构相似度图像质量评价方法，通过获取参考图像与待评价失真图像；对参考图像与待评价失真图像进行预处理，并确定参考图像与待评价失真图像的亮度因子、对比度因子、采用扩展的索贝尔算子的梯度相似度因子，分别计算参考图像对应的第一梯度幅值以及待评价失真图像对应的第二梯度幅值；根据第一梯度幅值与第二梯度幅值，确定参考图像与待评价失真图像的梯度相似度因子；结合梯度相似度因子、亮度因子、对比度因子，确定图像基于梯度的结构相似度结果。本申请可对噪声图像进行质量评价，且与主观评分有较好的一致性。此外，本发明专利技术还提供了一种具有上述技术优点的梯度相似度图像质量评价装置。

【技术实现步骤摘要】
一种梯度相似度图像质量评价方法及装置
本专利技术涉及图像处理与图像质量评价领域，特别是涉及一种梯度相似度图像质量评价方法及装置。
技术介绍
基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。ZhouWang等人提出了著名的客观质量评价方法：结构相似度(StructureSimilarity,SSIM)，它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息。其评价性能优于传统的客观质量评价方法均方误差(MeanSquareError，MSE)和峰值信噪比(PeakSignaltoNoiseRation，PSNR)。但是SSIM评价模糊失真类的图像准确性较低，杨春玲等在SSIM的基础上提出一种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(Gradient-basedStructuralSimilarity，GSSIM)，GSSIM模型比SSIM和PSNR(MSE)模型更符合人眼视觉系统特性,能较好地评价模糊图像的质量。GSSIM算法在考虑图像边缘时采用的是传统Sobel算子，在检测边缘的同时具有抑制噪声的能力，但由于先平均后差分，且只计算两个方向的梯度信息，会丢失部分细节信息，造成边缘有一定的模糊。
技术实现思路
本专利技术的目的是提供一种梯度相似度图像质量评价方法及装置，以解决现有采用传统Sobel算子由于丢失部分细节信息，造成边缘有一定的模糊的问题。为解决上述技术问题，本专利技术提供一种梯度相似度图像质量评价方法，包括：获取参考图像与待评价失真图像；对所述参考图像与所述待评价失真图像进行预处理，并确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子；采用扩展的索贝尔算子，分别计算所述参考图像对应的第一梯度幅值以及所述待评价失真图像对应的第二梯度幅值；根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与所述待评价失真图像的梯度相似度因子；结合所述梯度相似度因子、所述亮度因子、所述对比度因子，确定图像基于梯度的结构相似度结果。可选地，所述对所述参考图像与所述待评价失真图像进行预处理包括：对所述参考图像与所述待评价失真图像进行灰度化处理；采用预定义的滤波算子，对经过灰度化处理之后的所述参考图像与所述待评价失真图像进行滤波处理。可选地，所述确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子包括：采用计算所述参考图像与所述待评价失真图像的亮度因子，其中，x表示所述参考图像，y表示所述待评价失真图像，l(x,y)为亮度因子，μx和μy分别表示参考图像和待评价失真图像的平均亮度，常数C1用于避免不稳定性，N为待评价失真图像个数，i为第i幅图像；采用计算所述参考图像与所述待评价失真图像的对比度因子，其中，c(x,y)为对比度因子，σx和σy表示参考图像和待评价失真图像像素的标准差，C2用于避免不稳定性，N为待评价失真图像的个数，σxy为参考图像与待评价失真图像的协方差。可选地，所述扩展的索贝尔算子为采用45°、135°、180°、225°、270°、315°六个方向的算子。可选地，所述根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与所述待评价失真图像的梯度相似度因子包括：采用确定所述参考图像与所述待评价失真图像的梯度相似度因子，其中，Gx(i,j)为参考图像x在(i,j)处的梯度幅值，Gy(i,j)为失真图像y在(i,j)处的梯度幅值，C3为常数，用于避免不稳定性。可选地，所述结合所述梯度相似度因子、所述亮度因子、所述对比度因子，确定图像基于梯度的结构相似度结果包括：根据Sobel-GSSIM(x,y)＝[l(x,y)]α·[c(x,y)]β·[g(x,y)]λ确定所述参考图像与所述待评价失真图像的Sobel-GSSIM指标，其中，Sobel-GSSIM(x,y)为综合Sobel-GSSIM指标，α>0、β>0，γ>0，α、β、γ分别表示调整三个部分相对重要性的参数；由各个子图像块的Sobel-GSSIM指标，采用确定整幅图像基于梯度的结构相似度结果，其中，M为待评价失真图像采用滤波因子滑动重叠分块的个数。本专利技术还提供了一种梯度相似度图像质量评价装置，包括：图像获取模块，用于获取参考图像与待评价失真图像；预处理模块，用于对所述参考图像与所述待评价失真图像进行预处理，并确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子；梯度幅值计算模块，用于采用扩展的索贝尔算子，分别计算所述参考图像对应的第一梯度幅值以及所述待评价失真图像对应的第二梯度幅值；相似度因子计算模块，用于根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与所述待评价失真图像的梯度相似度因子；相似度结果确定模块，用于结合所述梯度相似度因子、所述亮度因子、所述对比度因子，确定图像基于梯度的结构相似度结果。可选地，所述扩展的索贝尔算子为采用45°、135°、180°、225°、270°、315°六个方向的算子。本专利技术所提供的梯度相似度图像质量评价方法，通过获取参考图像与待评价失真图像；对参考图像与待评价失真图像进行预处理，并确定参考图像与待评价失真图像的亮度因子、对比度因子；采用扩展的索贝尔算子，分别计算参考图像对应的第一梯度幅值以及待评价失真图像对应的第二梯度幅值；根据第一梯度幅值与第二梯度幅值，确定参考图像与待评价失真图像的梯度相似度因子；结合梯度相似度因子、亮度因子、对比度因子，确定图像基于梯度的结构相似度结果。本申请对传统Sobel算子的缺陷进行了相应的改进，可对噪声图像进行质量评价，且与主观评分有较好的一致性。此外，本专利技术还提供了一种具有上述技术优点的梯度相似度图像质量评价装置。附图说明为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术所提供的梯度相似度图像质量评价方法的一种具体实施方式的流程图；图2为本专利技术实施例中对参考图像与待评价失真图像进行预处理的过程示意图；图3为传统Sobel算子的模板表示示意图；图4为本申请所提供的扩展六方向的Sobel算子的模板表示示意图；图5为PSNR与主观评价值DMOS的散点图；图6为SSIM与主观评价值DMOS的散点图；图7为GSSIM与主观评价值DMOS的散点图；图8为Sobel-GSSIM与主观评价值DMOS的散点图；图9为本专利技术所提供的梯度相似度图像质量评价方法的另一种具体实施方式的流程图；图10为本专利技术实施例提供的梯度相似度图像质量评价装置的结构框图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术所提供的梯度相似度图像质量评价方法的一种具体实施方式的流程图如图1所示，该方法包括：步骤S101：获取参考图像与待评价失真图像；步骤S102：对所述本文档来自技高网...

【技术保护点】
一种梯度相似度图像质量评价方法，其特征在于，包括：获取参考图像与待评价失真图像；对所述参考图像与所述待评价失真图像进行预处理，并确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子；采用扩展的索贝尔算子，分别计算所述参考图像对应的第一梯度幅值以及所述待评价失真图像对应的第二梯度幅值；根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与所述待评价失真图像的梯度相似度因子；结合所述梯度相似度因子、所述亮度因子、所述对比度因子，确定图像基于梯度的结构相似度结果。

【技术特征摘要】
1.一种梯度相似度图像质量评价方法，其特征在于，包括：获取参考图像与待评价失真图像；对所述参考图像与所述待评价失真图像进行预处理，并确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子；采用扩展的索贝尔算子，分别计算所述参考图像对应的第一梯度幅值以及所述待评价失真图像对应的第二梯度幅值；根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与所述待评价失真图像的梯度相似度因子；结合所述梯度相似度因子、所述亮度因子、所述对比度因子，确定图像基于梯度的结构相似度结果。2.如权利要求1所述的梯度相似度图像质量评价方法，其特征在于，所述对所述参考图像与所述待评价失真图像进行预处理包括：对所述参考图像与所述待评价失真图像进行灰度化处理；采用预定义的滤波算子，对经过灰度化处理之后的所述参考图像与所述待评价失真图像进行滤波处理。3.如权利要求1或2所述的梯度相似度图像质量评价方法，其特征在于，所述确定所述参考图像与所述待评价失真图像的亮度因子、对比度因子包括：采用计算所述参考图像与所述待评价失真图像的亮度因子，其中，x表示所述参考图像，y表示所述待评价失真图像，l(x,y)为亮度因子，μx和μy分别表示参考图像和待评价失真图像的平均亮度，常数C1用于避免不稳定性，N为待评价失真图像个数，i为第i幅图像；采用计算所述参考图像与所述待评价失真图像的对比度因子，其中，c(x,y)为对比度因子，σx和σy表示参考图像和待评价失真图像像素的标准差，C2用于避免不稳定性，N为待评价失真图像的个数，σxy为参考图像与待评价失真图像的协方差。4.如权利要求3所述的梯度相似度图像质量评价方法，其特征在于，所述扩展的索贝尔算子为采用45°、135°、180°、225°、270°、315°六个方向的算子。5.如权利要求4所述的梯度相似度图像质量评价方法，其特征在于，所述根据所述第一梯度幅值与所述第二梯度幅值，确定所述参考图像与...

【专利技术属性】
技术研发人员：邓杰航，毋鹏杰，林小平，张静，江志文，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44