基于纹理视觉特性的网目调图像质量评价方法和系统技术方案

本发明专利技术公开了一种基于纹理视觉特性的网目调图像质量评价方法和系统，属于图像质量评价技术领域。本发明专利技术公开的方法根据两种纹理结构(蠕虫、条带)的视觉感受与所出现的阶调范围对不同阶调输入进行权值设计，再综合考虑图像像素间的结构相关性与人眼视觉特性，采用分块的加权方差来衡量局部纹理对比度，最终基于图像内容信息进行加权求和获得网目调图像的纹理失真评价值。本发明专利技术所述的方法实现了一种基于纹理视觉特性的数字网目调图像质量评价，保证了主客观评价的一致性。

Image quality assessment method and system based on texture visual characteristics

The invention discloses an evaluation method and system for mesh tone image quality based on texture visual characteristics, belonging to the technical field of image quality evaluation. According to the visual perception of two texture structures (worms and stripes) and the range of tones appearing, the method of the invention designs the weights of different tone inputs, and then considers the structural correlation between image pixels and human visual characteristics, and measures the local texture contrast by the weighted variance of blocks, and finally based on the image. Content information is weighted to obtain the texture distortion evaluation value of mesh image. The method of the invention realizes a digital mesh tone image quality evaluation based on texture visual characteristics, and ensures the consistency of subjective and objective evaluation.

【技术实现步骤摘要】
基于纹理视觉特性的网目调图像质量评价方法和系统
本专利技术属于网目调图像质量评价
，具体涉及一种基于纹理视觉特性的网目调图像质量评价方法和系统。
技术介绍
数字加网技术是利用不同加网算法将多灰度级的连续调图像转化为二值表示的网目调图像，其本质是根据人眼视觉系统的低通滤波特性，使加网后的网目调图像主观看上去具有连续调的视觉感受，该技术广泛应用在屏幕显示、打印领域。数字加网技术在本质上决定了原图像到网目调图像的转换质量，为了不断促进数字加网技术的优化与改进，同时增强质量评价的主客观一致性，应该充分重视网目调图像质量评价方法的研究。数字网目调图像是二值表示(即只有黑和白两种状态)的，通过人眼的低通滤波特性在视觉系统再现出各灰度的视觉感知效果来表示多值表示的连续调图像。因此，对于数字网目调图像的质量评价应该注意以下几点：一是网目调图像与原图像的像素并非一一对应关系，即可以理解全参考图像质量评价是不太适合于网目调图像的质量评价。二是网目调图像是依据人眼的低通滤波特性实现的，所以在对该类图像的质量评价应充分考虑人眼视觉系统的影响。三是网目调图像容易出现规律性的纹理，如蠕虫、条带等，而这些条纹严重影响网目调图像的最终呈现质量，所以纹理失真现象也是网目调图像质量评价的关键所在。目前，研究者针对数字网目调图像的特殊性，对于该类图像的质量评价方法主要有三类。第一类是针对网目调图像的二值特性，从分块的角度来改进经典的全参考质量评价方法以期来评价网目调图像，如d_PSNR，d_NMSE，分块加权信噪比等，该类方法无法客观体现网目调图像局部细节与原图像的一致性评价。第二类是针对不同的加网算法产生的网目调图像具有不同的特性，研究者从网目调图像一些特性出发来对其质量进行评价。有针对调频和混合加网算法输出的具有量化噪声特性的网目调图像，通过比较两幅经过人眼视觉系统的点扩散函数卷积图像的误差图像，求取一系列子图像的各自期望值和标准偏差来作为算法适应性的网目调图像质量评价方法。也有从半色调算法的时间复杂度方面来验证半色调算法的优劣，进而评估网目调图像质量的优劣。该类方法忽略了其它的人眼视觉系统特性，且对不同的加网算法评价上存在制约。第三类是结合人眼视觉系统(Humanvisualsystem,HVS)的客观评价方法来评价网目调图像，如加权信噪比WSNR，UQI，WSSIM，该类方法考虑了人眼视觉系统对质量评价的影响，评价结果与人的主观评价相对一致，但未考虑局部纹理失真影响，也不能有效得衡量出网目调图像的细节复制效果。以上三类方法分别从网目调图像二值特性、不同加网算法的输出特性、人眼视觉系统对质量评价的影响三个角度来衡量网目调图像，但是仍然存在评价结果主客观一致性不强的问题。
技术实现思路
基于以上背景现状，本专利技术的目的在于提供一种基于纹理视觉特性的网目调图像质量评价方法。该方法首先根据两种纹理结构(蠕虫、条带)的视觉感受与所出现的阶调范围对不同阶调输入进行权值设计，再综合考虑图像像素间的结构相关性与人眼视觉特性，采用分块的加权方差来衡量局部纹理对比度，最终基于图像内容信息进行加权求和获得网目调图像的纹理失真评价值。为了实现上述专利技术目的，本专利技术所采用的技术方案为一种基于纹理视觉特性的网目调图像质量评价方法，包括以下步骤：步骤1，选取合适的人眼视觉模型；步骤2，对网目调图像进行CSF滤波处理；步骤3，针对网目调图像对应原始图像的中间区域易出现“条带”，高光和暗调区域易出现“蠕虫”效应，对不同阶调的纹理赋予不同的权重；步骤4，对CSF滤波处理后网目调图像进行分块处理，并计算每个分块的均差值；步骤5，计算每个分块的方差值，然后利用每个分块的方差值加权求和获得网目调图像的质量评价指标TDEM，TDEM值越小，网目调图像质量越好。进一步的，步骤1选取合适的人眼视觉模型的实现方式如下，步骤1.1，首先对样本图像添加具有加性噪声性质的高斯噪声和具有乘性噪声的斑点噪声；步骤1.2，选取多种人眼视觉模型分别对信噪比进行加权处理获得对应的加权信噪比质量评价方法；步骤1.3，利用步骤1.2的加权信噪比质量评价方法对步骤1.1中获得的噪声图像评价计算，获得客观评价得分值；步骤1.4，根据人眼主观上对误差的敏感度差异获得噪声图像质量主观评价值；步骤1.5，结合客观评价得分值和主观评价值，选取合适的人眼视觉模型。进一步的，步骤3中通过采用经典的MSE和局部最大误差LME这两个质量评价指标对15％、50％和85％的三个均匀灰色块网目调灰度图像进行失真衡量，以此确定图像中对应的高光、中间调和暗调区域的权重比值定义为：Wh:Wm:Ws＝3:4:3。进一步的，步骤4中计算每个分块的均差值的实现方式如下，设分块大小为m0×n0，则大小为M×N的图像经分块处理的总块数为MN/m0n0，但是考虑像素剩余现象，总块数为：其中，为行剩余像素数，为列剩余像素数；对于每个分块，y(i,j)表示网目调图像在(i,j)处的灰度值，h表示人眼视觉模型的点扩散函数，即对比敏感度函数的傅里叶逆变换，进行卷积处理后，网目调图像中每个分块的均差值为：其中，I＝2,2+m0,2+2m0,···；J＝2,2+n0,2+2n0,···。进一步的，步骤5的实现方式如下，计算每个分块内的方差值sm,n：式(3)中，m＝M/m0，n＝N/n0；归一化后得到质量评价指标TDEM为：其中，wm,n为网目调图像中各分块的权重矩阵。此外，本专利技术还提供一种基于纹理视觉特性的网目调图像质量评价系统，包括如下模块：人眼视觉模型选取模块，用于选取合适的人眼视觉模型；滤波处理模块，用于对网目调图像进行CSF滤波处理；阶调权重设计模块，用于针对网目调图像对应原始图像的中间区域易出现“条带”，高光和暗调区域易出现“蠕虫”效应，对不同阶调的纹理赋予不同的权重；分块处理模块，用于对CSF滤波处理后网目调图像进行分块处理，并计算每个分块的均方差值；质量评价指标获取模块，用于利用分块处理模块中每个分块的均方差值加权求和获得网目调图像的质量评价指标TDEM，TDEM值越小，网目调图像质量越好。进一步的，人眼视觉模型选取模块包括，噪声添加单元，用于对样本图像添加具有加性噪声性质的高斯噪声和具有乘性噪声的斑点噪声；加权处理单元，用于选取多种人眼视觉模型分别对信噪比进行加权处理获得对应的加权信噪比质量评价方法；客观评价单元，用于利用加权处理单元中的加权信噪比质量评价方法对噪声添加单元中获得的噪声图像评价计算，获得客观评价得分值；主观评价单元，用于根据人眼主观上对误差的敏感度差异获得噪声图像质量主观评价值；人眼视觉模型获取单元，用于结合客观评价得分值和主观评价值，选取合适的人眼视觉模型。进一步的，阶调权重设计模块中通过采用经典的MSE和局部最大误差LME这两个质量评价指标对15％、50％和85％的三个均匀灰色块网目调灰度图像进行失真衡量，以此确定图像中对应的高光、中间调和暗调区域的权重比值定义为：Wh:Wm:Ws＝3:4:3。进一步的，分块处理模块中计算每个分块的均差值的实现方式如下，设分块大小为m0×n0，则大小为M×N的图像经分块处理的总块数为MN/m0n0，但是考虑像素剩余现象，总块数为：其中，为行剩余像素数，为列剩余像素数；对于每个本文档来自技高网...

【技术保护点】
1.基于纹理视觉特性的网目调图像质量评价方法，其特征在于，包括如下步骤：步骤1，选取合适的人眼视觉模型；步骤2，对网目调图像进行CSF滤波处理；步骤3，针对网目调图像对应原始图像的中间区域易出现“条带”，高光和暗调区域易出现“蠕虫”效应，对不同阶调的纹理赋予不同的权重；步骤4，对CSF滤波处理后网目调图像进行分块处理，并计算每个分块的均差值；步骤5，计算每个分块的方差值，然后利用每个分块的方差值加权求和获得网目调图像的质量评价指标TDEM，TDEM值越小，网目调图像质量越好。

【技术特征摘要】
1.基于纹理视觉特性的网目调图像质量评价方法，其特征在于，包括如下步骤：步骤1，选取合适的人眼视觉模型；步骤2，对网目调图像进行CSF滤波处理；步骤3，针对网目调图像对应原始图像的中间区域易出现“条带”，高光和暗调区域易出现“蠕虫”效应，对不同阶调的纹理赋予不同的权重；步骤4，对CSF滤波处理后网目调图像进行分块处理，并计算每个分块的均差值；步骤5，计算每个分块的方差值，然后利用每个分块的方差值加权求和获得网目调图像的质量评价指标TDEM，TDEM值越小，网目调图像质量越好。2.如权利要求1所述的基于纹理视觉特性的网目调图像质量评价方法，其特征在于：步骤1选取合适的人眼视觉模型的实现方式如下，步骤1.1，首先对样本图像添加具有加性噪声性质的高斯噪声和具有乘性噪声的斑点噪声；步骤1.2，选取多种人眼视觉模型分别对信噪比进行加权处理获得对应的加权信噪比质量评价方法；步骤1.3，利用步骤1.2的加权信噪比质量评价方法对步骤1.1中获得的噪声图像评价计算，获得客观评价得分值；步骤1.4，根据人眼主观上对误差的敏感度差异获得噪声图像质量主观评价值；步骤1.5，结合客观评价得分值和主观评价值，选取合适的人眼视觉模型。3.如权利要求2所述的基于纹理视觉特性的网目调图像质量评价方法，其特征在于：步骤3中通过采用经典的MSE和局部最大误差LME这两个质量评价指标对15％、50％和85％的三个均匀灰色块网目调灰度图像进行失真衡量，以此确定图像中对应的高光、中间调和暗调区域的权重比值定义为：Wh:Wm:Ws＝3:4:3。4.如权利要求3所述的基于纹理视觉特性的网目调图像质量评价方法，其特征在于：步骤4中计算每个分块的均差值的实现方式如下，设分块大小为m0×n0，则大小为M×N的图像经分块处理的总块数为MN/m0n0，但是考虑像素剩余现象，总块数为：其中，为行剩余像素数，为列剩余像素数；对于每个分块，y(i,j)表示网目调图像在(i,j)处的灰度值，h表示人眼视觉模型的点扩散函数，即对比敏感度函数的傅里叶逆变换，进行卷积处理后，网目调图像中每个分块的均差值为：其中，I＝2,2+m0,2+2m0,…；J＝2,2+n0,2+2n0,…。5.如权利要求4所述的基于纹理视觉特性的网目调图像质量评价方法，其特征在于：步骤5的实现方式如下，计算每个分块内的方差值sm,n：式(3)中，m＝M/m0，n＝N/n0；归一化后得到质量评价指标TDEM为：其中，wm,n为网目调图像中各分块的权重矩阵。6.基于纹理视觉特性的网目调图像质量评价系统，其特征在于，包括如下模块：...

【专利技术属性】
技术研发人员：易尧华，刘磊，李蕊，梁正宇，王笑，何婧婧，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42