基于拆分结构失真与信号误差的全参考图像质量评价方法技术

本发明专利技术公开了一种基于拆分结构失真与信号误差的全参考图像质量评价方法，包括：读入参考图像与待测失真图像；计算各像素位置的梯度幅值以及参考图像的梯度均值；根据参考图像的梯度均值计算区分结构失真与平坦或纹理区域的两个梯度阈值；对结构失真特性区域，计算梯度幅值相似性的标准差作为结构失真分数，对信号误差特性区域，计算平均信号误差能量作为信号失真分数；融合结构失真分数与信号失真分数作为失真图像的最终质量分数；本方法分别采用适当的方法进行失真测量再融合成最终整体图像质量分数，更好地利用了人类视觉系统对不同类型失真的感知特性，得到的质量评价结果与人眼评价更为一致。人眼评价更为一致。人眼评价更为一致。

【技术实现步骤摘要】
基于拆分结构失真与信号误差的全参考图像质量评价方法


[0001]本专利技术涉及一种基于拆分结构失真与信号误差的全参考图像质量评价方法，属于图像质量评价


技术介绍

[0002]图像质量评价在图像处理的很多领域都有重要的应用，比如图像恢复、图像编码、图像通信等，是目前图像处理领域的研究热点。由于图像处理的不同阶段常会引入不同类型不同程度的失真，以及图像内容的多样性及其与失真之间的相互掩盖关系，使得对失真图像的质量评价较为困难。目前，最准确的图像质量评价方法仍然是依据人工打分的主观评价方法，但主观评价方法耗时耗力且无法应用于实时图像处理系统，因此客观评价方法被提出以自动地对失真图像进行质量评价。
[0003]目前图像处理系统中应用最广泛的仍是经典的均方误差(MSE)或峰值信噪比(PSNR)，它们主要基于像素级误差进行质量测量，优点在于计算简单、物理意义明确且尤其对像素级失真(如噪声失真)评价效果很好，但缺点是对结构性失真(如JPEG压缩)评价效果不好。考虑到人类视觉系统(HVS)对图像中的结构信息非常敏感，结构相似性(SSIM)测量被提出并广泛应用，结构相似性主要测量了失真图像相比参考图像结构信息的变化，因而对像素级失真评价效果一般，而且计算量相比均方误差增加较多。
[0004]考虑到失真图像中常同时存在结构失真与像素级信号失真，而人类视觉系统对结构失真与信号失真都非常敏感，但感知特性不同，我们提出将失真图像从空间上拆分为结构失真区域与信号失真区域，并分别测量失真再融合的方法进行质量评价，得到了更好的质量评价效果。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于拆分结构失真与信号误差的全参考图像质量评价方法。
[0006]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0007]第一方面，本专利技术提供了一种基于拆分结构失真与信号误差的全参考图像质量评价方法，包括：
[0008]读入参考图像与待测失真图像；
[0009]用Prewitt算子计算所述参考图像与待测失真图像各像素位置的水平与垂直方向梯度，进而计算各像素位置的梯度幅值以及参考图像的梯度均值；
[0010]根据所述参考图像的梯度均值计算区分结构失真与平坦或纹理区域的两个梯度阈值；
[0011]根据所述参考图像与待测失真图像各像素位置的梯度幅值与两个梯度阈值的关系将失真图像以像素为单位划分为结构保持像素、结构变化像素、平坦区域像素与纹理区域像素；
[0012]将所述结构保持像素与结构变化像素区域合并为结构失真特性区域，将所述平坦区域像素与纹理区域像素合并为信号误差特性区域；
[0013]对所述结构失真特性区域，计算梯度幅值相似性的标准差作为结构失真分数，对所述信号误差特性区域，计算平均信号误差能量作为信号失真分数；
[0014]融合所述结构失真分数与信号失真分数作为失真图像的最终质量分数。
[0015]进一步的，所述用Prewitt算子计算所述参考图像与待测失真图像各像素位置的水平与垂直方向梯度，进而计算各像素位置的梯度幅值以及参考图像的梯度均值，包括：
[0016]用Prewitt水平与垂直方向梯度算子与两个图像对应位置像素区域做模板运算，来计算两个图像各像素位置的水平与垂直方向梯度，所述Prewitt水平与垂直方向梯度算子(gx,gy)如下：
[0017][0018]记参考图像R在像素坐标(i,j)位置计算出的水平与垂直方向梯度分别为与失真图像D在像素坐标(i,j)位置计算出的水平与垂直方向梯度分别为与则按如下公式计算参考图像R与失真图像D在(i,j)位置的梯度幅值(与)：
[0019][0020]按如下公式计算参考图像R的梯度均值
[0021][0022]其中，M与N分别为参考图像R的宽度和高度。
[0023]进一步的，所述根据所述参考图像的梯度均值计算区分结构失真与平坦或纹理区域的两个梯度阈值，包括：
[0024]根据参考图像R的梯度均值计算区分结构区域的阈值T1与区分平坦或纹理区域的阈值T2，计算公式如下：
[0025][0026]其中，α与β为经验性常数，根据实验取值分别为1与0.6。
[0027]进一步的，根据所述参考图像与待测失真图像各像素位置的梯度幅值与两个梯度阈值的关系将失真图像以像素为单位划分为结构保持像素、结构变化像素、平坦区域像素与纹理区域像素，包括：
[0028]如果并且则表示参考图像R在(i,j)位置较大的梯度幅值在失真图像D中得以保持，定义像素(i,j)为结构保持像素；
[0029]如果并且或者并且则表示参考图像R在(i,j)位置较大的梯度幅值在失真图像D中由于失真而变小，或者较小的梯度幅值在失真图像D中由
于失真而变大，定义像素(i,j)为结构变化像素；
[0030]如果并且则表示参考图像R在(i,j)位置较小的梯度幅值在失真图像D中仍然较小，定义像素(i,j)为平坦区域像素；
[0031]除上述三种情况，则表示参考图像R与失真图像D在(i,j)位置的梯度幅值处于中等水平，定义像素(i,j)为纹理区域像素。
[0032]进一步的，所述将所述结构保持像素与结构变化像素区域合并为结构失真特性区域，将所述平坦区域像素与纹理区域像素合并为信号误差特性区域的原理是基于人类视觉系统对不同类型失真的感知机理不同。
[0033]进一步的，所述对所述结构失真特性区域，计算梯度幅值相似性的标准差作为结构失真分数，包括：
[0034]对结构失真特性区域，计算参考图像R与失真图像D在此区域各像素的梯度幅值相似性标准差作为结构失真分数，计算公式如下：
[0035][0036]SD
score
＝std(SDGS
i,j
)
[0037]其中，与分别表示参考图像R与失真图像D在结构失真特性区域中(i,j)位置的梯度幅值，T为经验性常数，根据实验取值为170，SDGS
i,j
为(i,j)位置的梯度幅值相似性，SD
score
为梯度幅值相似性的标准差，定义为结构失真特性区域的结构失真分数，其值越大，表示结构变化失真越大，图像质量越低。
[0038]进一步的，所述对所述信号误差特性区域，计算平均信号误差能量作为信号失真分数，包括：
[0039]对信号误差特性区域，计算参考图像R与失真图像D在此区域各像素的平均信号误差能量作为信号失真分数，计算公式如下：
[0040][0041]其中，N
se
为信号误差特性区域的像素数目，R
k
与D
k
分别为参考图像R与失真图像D在此区域的第k个像素亮度值，SE
score
为平均信号误差能量，定义为此区域的信号失真分数，其值越大，表示信号误差越大，图像质量越低。
[0042]进一步的，所述融合所述结构失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于，包括：读入参考图像与待测失真图像；用Prewitt算子计算所述参考图像与待测失真图像各像素位置的水平与垂直方向梯度，进而计算各像素位置的梯度幅值以及参考图像的梯度均值；根据所述参考图像的梯度均值计算区分结构失真与平坦或纹理区域的两个梯度阈值；根据所述参考图像与待测失真图像各像素位置的梯度幅值与两个梯度阈值的关系将失真图像以像素为单位划分为结构保持像素、结构变化像素、平坦区域像素与纹理区域像素；将所述结构保持像素与结构变化像素区域合并为结构失真特性区域，将所述平坦区域像素与纹理区域像素合并为信号误差特性区域；对所述结构失真特性区域，计算梯度幅值相似性的标准差作为结构失真分数，对所述信号误差特性区域，计算平均信号误差能量作为信号失真分数；融合所述结构失真分数与信号失真分数作为失真图像的最终质量分数。2.根据权利要求1所述的基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于：所述用Prewitt算子计算所述参考图像与待测失真图像各像素位置的水平与垂直方向梯度，进而计算各像素位置的梯度幅值以及参考图像的梯度均值，包括：用Prewitt水平与垂直方向梯度算子与两个图像对应位置像素区域做模板运算，来计算两个图像各像素位置的水平与垂直方向梯度，所述Prewitt水平与垂直方向梯度算子(gx,gy)如下：记参考图像R在像素坐标(i,j)位置计算出的水平与垂直方向梯度分别为与失真图像D在像素坐标(i,j)位置计算出的水平与垂直方向梯度分别为与则按如下公式计算参考图像R与失真图像D在(i,j)位置的梯度幅值(与)：按如下公式计算参考图像R的梯度均值按如下公式计算参考图像R的梯度均值其中，M与N分别为参考图像R的宽度和高度。3.根据权利要求1所述的基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于：所述根据所述参考图像的梯度均值计算区分结构失真与平坦或纹理区域的两个梯度阈值，包括：根据参考图像R的梯度均值计算区分结构区域的阈值T1与区分平坦或纹理区域的阈值T2，计算公式如下：
其中，α与β为经验性常数，根据实验取值分别为1与0.6。4.根据权利要求1所述的基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于：根据所述参考图像与待测失真图像各像素位置的梯度幅值与两个梯度阈值的关系将失真图像以像素为单位划分为结构保持像素、结构变化像素、平坦区域像素与纹理区域像素，包括：如果并且则表示参考图像R在(i,j)位置较大的梯度幅值在失真图像D中得以保持，定义像素(i,j)为结构保持像素；如果并且或者并且则表示参考图像R在(i,j)位置较大的梯度幅值在失真图像D中由于失真而变小，或者较小的梯度幅值在失真图像D中由于失真而变大，定义像素(i,j)为结构变化像素；如果并且则表示参考图像R在(i,j)位置较小的梯度幅值在失真图像D中仍然较小，定义像素(i,j)为平坦区域像素；除上述三种情况，则表示参考图像R与失真图像D在(i,j)位置的梯度幅值处于中等水平，定义像素(i,j)为纹理区域像素。5.根据权利要求1所述的基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于：所述将所述结构保持像素与结构变化像素区域合并为结构失真特性区域，将所述平坦区域像素与纹理区域像素合并为信号误差特性区域的原理是基于人类视觉系统对不同类型失真的感知机理不同。6.根据权利要求1所述的基于拆分结构失真与信号误差的全参考图像质量评价方法，其特征在于：所述对所述结构失真特性区域...

【专利技术属性】
技术研发人员：崔子冠，马欢欢，吴立鹏，姚可越，刘峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：