一种全参考图像质量评价方法及系统技术方案

本申请公开了一种全参考图像质量评价方法及系统，方法包括：获取参考图像以及失真图像；估计参考图像以及失真图像中像素点的亮度和色度，并计算亮度相似度以及色度相似度；使用GBVS显著性模型提取参考图像以及失真图像的显著性特征，得到参考图像以及失真图像的显著性图，根据显著性图得到参考图像以及失真图像之间的显著性相似度；计算参考图像以及失真图像的梯度幅值，根据梯度幅值计算参考图像以及失真图像之间的梯度相似度；根据亮度相似度，色度相似度、显著性相似度以及梯度相似度计算得到图像质量评价指标。本申请能够在全参考图像的前提下，通过简单的计算，即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。

【技术实现步骤摘要】
一种全参考图像质量评价方法及系统
本申请涉及图像质量
，尤其涉及一种全参考图像质量评价方法及系统。
技术介绍
图像质量评价(ImageQualityAssessment，IQA)旨在使用计算模型来测量与主观评价一致的图像质量。随着数字图像和通信技术的快速普及，图像质量评价(IQA)已成为图像采集，传输，压缩，恢复和增强等众多应用中的一个重要问题。客观IQA是图像质量评价的重要一部分，其中，峰值信噪比(PeakSignaltoNoiseRation，PSNR)和均方误差(MeanSquareError，MSE)是经典的全参考型客观图像质量评价方法。另外，国内外的研究者还提出了多种客观IQA指标，包括：结构相似度(StructuralSimilarity，SSIM)、基于梯度的结构相似度(Gradient-basedStructuralSimilarity，GSSIM)、特征相似度(FeatureSimilarity，FSIM)、梯度相似度(GradientSimilarity，GSIM)、梯度幅度相似度偏差(GradientMagnitudeSimilarityDeviation，GMSD)、视觉显著性(VisualSaliency-induced，VSI)以及基于超像素相似性全参考指标SPSIM(Superpixel-basedSimilarityIndex)。然而由于人类视觉系统中人眼在观看图像的时候会不自觉的关注某些区域，并且优先处理该区域的信息，这些区域称之为显著性区域，此特性叫做视觉显著性，同属于人类视觉系统特征(HumanVisualSystem,HVS)之一。当前一些性能较好的图像质量评价方法都是结合人类视觉系统的特征进行设计，如视觉信噪比(VSNR)利用人类视觉的近阈值和超阈值特性来测量图像保真度。目前只有部分HVS特征被建模和利用于图像质量评价之中。
技术实现思路
本申请提供了一种全参考图像质量评价方法及系统，使得在全参考图像的前提下，通过简单的计算，即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。有鉴于此，本申请第一方面提供了一种全参考图像质量评价方法，所述方法包括：获取参考图像以及失真图像；估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标。可选的，在所述估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度，之前还包括：采用超像素方法对所述参考图像以及失真图像进行分块。可选的，所述估计所述参考图像以及失真图像中像素点的亮度和色度，具体为：式中，Y表示未分解超像素前的图像亮度分量，i表示第i个像素点，Sj是第j个超像素，Li是图像分解超像素后的在第j个超像素中的第i个像素的亮度，|Sj|第j个超像素中像素的个数；Ui，Vi表示图像分解超像素后的在第j个超像素中的第i个像素的色度，u，v表示未分解超像素前的图像色度分量。可选的，所述根据所述像素点亮度和色度计算亮度相似度以及色度相似度，具体为：MC(i)＝MU(i)MV(i)式中，Lr(i)，Ld(i)分别为所述参考图像和失真图像中第i个像素点的亮度；Ur(i)，Vr(i)表示参考图像的色度；Vd(i)，Ud(i)表示失真图像的色度；ML(i)表示亮度相似度；MC(i)表示色度相似度；T1，T2，T3都表示正变量。可选的，所述根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度，具体为：式中，VSr(i)，VSd(i)分别表示参考图像和失真图像的显著性图中第i个像素的像素值；T4是一个正变量；MVS(i)为显著性相似度。可选的，所述计算所述参考图像以及失真图像的梯度幅值，具体为：使用多个方向的梯度算子对图像进行卷积计算：式中，Y表示亮度分量；表示卷积计算；Pk表示多个方向的梯度算子，G(i)表示多个方向上梯度分量的最大值。可选的，所述根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度，具体为：式中，Gr(i)，Gd(i)分别表示所述参考图像和失真图像第i个像素的梯度最大值；T5表示一个正变量。可选的，所述根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标，具体为：式中，proposed为图像评价指标；SM(i)表示由GBVS视觉显著性算法模型计算得到的显著性图，具体值由GBVS视觉显著性算法模型决定；M(i)表示图像的局部质量图；α和β是调整亮度和色度相似度的参数。本申请第二方面提供一种全参考图像质量评价系统，所述系统包括：图像获取模块，用于获取参考图像以及失真图像；亮度相似度获取模块，用于估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；显著性相似度获取模块，用于使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；梯度相似度获取模块，用于计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；评价指标计算模块，用于根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标。可选的，还包括：分块模块，用于采用超像素方法对所述参考图像以及失真图像进行分块。从以上技术方案可以看出，本申请具有以下优点：本申请中，提供了一种全参考图像质量评价方法及系统，方法包括获取参考图像以及失真图像；估计参考图像以及失真图像中像素点的亮度和色度，并计算亮度相似度以及色度相似度；使用GBVS(Graph-BasedVisualSaliency)基于视觉特点的显著性模型提取参考图像以及失真图像的显著性特征，得到参考图像以及失真图像的显著性图，得到参考图像以及失真图像之间的显著性相似度；计算参考图像以及失真图像的梯度幅值，根据梯度幅值计算参考图像以及失真图像之间的梯度相似度；根据亮度相似度，色度相似度显著性相似度以及梯度相似度计算得到图像质量评价指标。本申请通过提取图像的四种特征，包括亮度特征、色度特征、梯度特征以及显著性特征，得到参本文档来自技高网...

【技术保护点】
1.一种全参考图像质量评价方法，其特征在于，包括：/n获取参考图像以及失真图像；/n估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；/n使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；/n计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；/n根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标。/n

【技术特征摘要】
1.一种全参考图像质量评价方法，其特征在于，包括：
获取参考图像以及失真图像；
估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；
使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；
计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；
根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标。


2.根据权利要求1所述的全参考图像质量评价方法，其特征在于，在所述估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度，之前还包括：
采用超像素方法对所述参考图像以及失真图像进行分块。


3.根据权利要求2所述的全参考图像质量评价方法，其特征在于，所述估计所述参考图像以及失真图像中像素点的亮度和色度，具体为：









式中，Y表示未分解超像素前的图像亮度分量，i表示第i个像素点，Sj是第j个超像素，Li是图像分解超像素后的在第j个超像素中的第i个像素的亮度，|Sj|第j个超像素中像素的个数；Ui，Vi表示图像分解超像素后的在第j个超像素中的第i个像素的色度，u，v表示未分解超像素前的图像色度分量。


4.根据权利要求3所述的全参考图像质量评价方法，其特征在于，所述根据所述像素点亮度和色度计算亮度相似度以及色度相似度，具体为：









MC(i)＝MU(i)MV(i)
式中，Lr(i)，Ld(i)分别为所述参考图像和失真图像中第i个像素点的亮度；Ur(i)，Vr(i)表示参考图像的色度；Vd(i)，Ud(i)表示失真图像的色度；ML(i)表示亮度相似度；MC(i)表示色度相似度；T1，T2，T3都表示正变量。


5.根据权利要求4所述的全参考图像质量评价方法，其特征在于，所述根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度，具体为：



式中，VSr(...

【专利技术属性】
技术研发人员：邓杰航，袁仲鸣，蔡东健，顾国生，杨灿，林好润，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44