最大熵和KL散度无参考对比度失真图像质量评价方法技术

本发明专利技术属于图像处理领域，为提出一种无参考对比度失真图像质量评价方法，该方法与主观评价分数有着较高的一致性，能够有效地评价对比度失真图像。为此，本发明专利技术采取的技术方案是，最大熵和KL散度无参考对比度失真图像质量评价方法，步骤如下：(1)最大熵计算；(2)平均强度直方图计算；(3)度量强度分布的改变；(4)质量评价。本发明专利技术主要应用于图像处理场合。

Maximum Entropy and KL Divergence Method for Image Quality Evaluation without Reference Contrast Distortion

The present invention belongs to the field of image processing. In order to propose a method for evaluating image quality without reference contrast distortion, the method has high consistency with subjective evaluation score and can effectively evaluate contrast distortion image. To this end, the technical scheme adopted by the present invention is an image quality evaluation method without reference contrast distortion based on maximum entropy and KL divergence. The steps are as follows: (1) calculation of maximum entropy; (2) calculation of average intensity histogram; (3) change of measurement intensity distribution; (4) quality evaluation. The invention is mainly applied to image processing occasions.

【技术实现步骤摘要】
最大熵和KL散度无参考对比度失真图像质量评价方法
本专利技术属于图像处理领域，尤其是涉及一种对比度失真图像的无参考质量评价方法。具体涉及最大熵和KL散度无参考对比度失真图像质量评价方法。
技术介绍
图像是一种信息的呈现方式，在人们的日常生活中扮演着重要角色。近年来，随着电子摄像设备的日益增多，图像数据在民用和工业上都存在着广泛的应用。然而，在实际获得图像的过程中，常常由于低成本、低质量的图像传感器，极差的照明条件和使用者操作不当等因素，对比度图像质量并不满足人们的视觉需求。除了影响人的主观审美外，医疗、目标检测和内容描述等应用环境对图像质量有着苛刻的要求，糟糕的图像质量会对生产、生活等方面造成严重的危害。为了恢复图像的细节，学者们提出了很多对比度增强算法，在某种程度上缓解了对比度失真的影响。但是，这种对比度失真是不可避免的，因此，寻找一种对比度失真图像的质量评价算法是一项极具挑战性的任务。图像质量评价根据评价主体可以分为主观质量评价和客观质量评价，前者依赖于被试主体，虽然能够从根本上量化评价问题，但是需要耗费大量时间和精力，而后者简单且容易实现，更为主流。客观质量评价又可以分为全参考(FullReference,FR)、半参考(ReducedReference,RR)和无参考(NoReference,NR)三种类型。现有的算法大多分为通用失真和失真具体的两种，对比度失真属于后者，鲜有学者在此领域做出较大的性能提升，因此本专利技术基于最大熵和KL散度，提出一种无参考对比度失真图像质量评价方法。
技术实现思路
为克服现有技术的不足，针对图像对比度失真问题，本专利技术旨在提出一种无参考对比度失真图像质量评价方法，该方法与主观评价分数有着较高的一致性，能够有效地评价对比度失真图像。为此，本专利技术采取的技术方案是，最大熵和KL散度无参考对比度失真图像质量评价方法，步骤如下：(1)最大熵计算给定一张图像I，首先将其分割为nxn大小的不重叠图像块，每一块的熵通过下式计算：其中，τi表示第i个强度值的概率，得到每一块的熵后，最大熵表示为：其中，Em表示最大熵，Z表示每张图像分割的块数，根据每个块熵值的大小从大到小排序，Ez(I)表示数值排名前z个图像块的熵的均值；(2)平均强度直方图计算自然场景图像表现出某种统计规律，为了表示大量高质量图像的统计特性，选取DUT-OMRON数据集作为参考，该数据集包含了大量类别的高质量自然场景图像，计算所有图像的强度直方图并取均值，得到平均强度直方图H0，作为强度分布改变的参考信息；(3)度量强度分布的改变给定一张对比度失真图像，计算得到其强度直方图H1，利用KL散度来度量强度直方图先验H0和测试图像强度直方图H1的距离，从而衡量强度分布的改变，公式如下：K＝-∫H1(t)logH0(t)dt+∫H1(t)logH1(t)dt＝ξ(H1-H0)-E(H1)(3)其中，K表示KL散度，ξ(H1-H0)表示H1和H0的交叉熵，表示为：其中，pj和qj分别是直方图H1和H0的第j个bin，J是强度直方图总的bin数量，设置J＝26，E(H1)是强度直方图H1的熵；(4)质量评价结合KL散度和最大熵，对这两项进行线性组合，得到最终的图像质量Q：Q＝α·K+(1-α)·Em(5)其中，α是一个常数权重，用于调控KL散度和最大熵两项的相对重要程度。本专利技术的特点及有益效果是：本专利技术提出一种针对对比度失真图像的质量评价方法，不需要参考图像的介入，可以有效地评价对比度失真图像质量。附图说明：图1算法框架。图2平均强度直方图H0。具体实施方式本专利技术提出了一种无参考对比度失真图像质量评价方法，具体包括以下步骤：1、最大熵计算给定一张图像I，将其分割为64x64大小的不重叠图像块，计算每一块图像的熵并从大到小排序，取数值排序前10％图像块的熵的均值记作最大熵Em。2、平均强度直方图计算选取DUT-OMRON数据集作为参考，计算所有5172张图像的强度直方图并取均值，得到平均强度直方图H0。3、度量强度分布的改变给定一张对比度失真图像，计算其强度直方图H1，利用KL散度来度量强度直方图先验H0和测试图像强度直方图H1的距离，记作K。4、质量评价将最大熵Em和KL散度K线性组合得到最终的客观质量分数Q，在CSIQ、TID2008和TID2013数据库的对比度失真图上验证，最后利用四种图像评估准则判断本专利技术方法的性能。本专利技术提出一种无参考对比度失真图像质量评价方法，框架如图1所示。(1)最大熵计算给定一张图像I，首先将其分割为nxn大小的不重叠图像块，每一块的熵可以通过下式计算：其中，τi表示第i个强度值的概率，本专利技术设置n＝64。得到每一块的熵后，最大熵可以表示为：其中，Em表示最大熵，Z表示每张图像分割的块数，根据每个块熵值的大小从大到小排序，Ez(I)表示数值排名前z个图像块的熵的均值，这里z＝η％·Z，设置η＝10。(2)平均强度直方图计算自然场景图像表现出某种统计规律，为了表示大量高质量图像的统计特性，选取DUT-OMRON数据集作为参考。该数据集包含了大量类别的高质量自然场景图像，计算所有5172张图像的强度直方图并取均值，得到平均强度直方图H0，作为强度分布改变的参考信息，平均强度直方图如图2所示。(3)度量强度分布的改变给定一张对比度失真图像，计算得到其强度直方图H1，利用KL散度来度量强度直方图先验H0和测试图像强度直方图H1的距离，从而衡量强度分布的改变，公式如下：K＝-∫H1(t)logH0(t)dt+∫H1(t)logH1(t)dt＝ξ(H1-H0)-E(H1)(8)其中，K表示KL散度，ξ(H1-H0)表示H1和H0的交叉熵，可以表示为：其中，pj和qj分别是直方图H1和H0的第j个bin，J是强度直方图总的bin数量，设置J＝26，E(H1)是强度直方图H1的熵。(4)质量评价低的图像质量，其KL散度比较小，最大熵也小。结合KL散度和最大熵，对这两项进行线性组合，得到最终的图像质量Q：Q＝α·K+(1-α)·Em(10)其中，α是一个常数权重，用于调控KL散度和最大熵两项的相对重要程度，设置为0.5。为了验证算法有效性，选择三个包含对比度失真的数据库，分别为CSIQ，TID2008和TID2013，选取的数据库细节见表1(失真图为选取的对比度失真图像)。表1数据库细节为了检验图像质量评价算法的性能，采用四种性能评估准则,分别是皮尔森线性相关系数(PearsonLinearCorrelationCoefficient,PLCC)、斯皮尔曼秩相关系数(SpearmanRank-orderCorrelationCoefficient,SRCC)、肯德尔秩相关系数(Kendall’sRankCorrelationCoefficient,KRCC)和均方根误差(RootMean-SquaredError,RMSE)。其中，PLCC、SRCC和KRCC值越大，RMSE值越小，表明评价的测试图像有比较高的质量。表2为本方法在三个数据库上的性能分数。表2算法性能从表2数据可以看出，三个数据库中计算得到的PLCC、SRCC普遍高于0.83，KRCC都在0.64以上，RMSE都低于0.50，说明本方法的客观质本文档来自技高网...

【技术保护点】
1.一种最大熵和KL散度无参考对比度失真图像质量评价方法，其特征是，步骤如下：(1)最大熵计算给定一张图像I，首先将其分割为nxn大小的不重叠图像块，每一块的熵通过下式计算：

【技术特征摘要】
1.一种最大熵和KL散度无参考对比度失真图像质量评价方法，其特征是，步骤如下：(1)最大熵计算给定一张图像I，首先将其分割为nxn大小的不重叠图像块，每一块的熵通过下式计算：其中，τi表示第i个强度值的概率，得到每一块的熵后，最大熵表示为：其中，Em表示最大熵，Z表示每张图像分割的块数，根据每个块熵值的大小从大到小排序，Ez(I)表示数值排名前z个图像块的熵的均值；(2)平均强度直方图计算自然场景图像表现出某种统计规律，为了表示大量高质量图像的统计特性，选取DUT-OMRON数据集作为参考，该数据集包含了大量类别的高质量自然场景图像，计算所有图像的强度直方图并取均值，得到平均强度直方图H0，作为强度分布改变的参考信息；(3)度量强度分布的...

【专利技术属性】
技术研发人员：侯春萍，岳广辉，李浩，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12