一种细颗粒压缩图像质量评价方法技术

本发明专利技术提供一种细颗粒压缩图像质量评价方法，包括：获取图像结构特征；获取图像纹理特征；将所述图像结构特征和图像纹理特征进行融合，得到细颗粒压缩图像质量评价分数；依据所述的细颗粒压缩图像质量评价分数，对细颗粒压缩图像质量进行评价。本发明专利技术可以有效地用于评价比特率差异不大的压缩图像质量好坏，这对图像压缩技术以及图像压缩质量评价技术的发展有着重要的意义。有着重要的意义。有着重要的意义。

【技术实现步骤摘要】
一种细颗粒压缩图像质量评价方法


[0001]本专利技术涉及图像处理
，具体地，涉及一种超颗粒压缩图像质量评价方 法。

技术介绍

[0002]近几年，随着移动设备和社交媒体的快速发展，在有限带宽和较低延迟要求的 约束下，人们期望图像能够以更好的感知质量传输，这给图像压缩技术和图像压缩 质量评价带来了巨大的挑战。其中，JPEG和JPEG2000是应用最广泛的图像压缩技术， 它们通过去除图像中的信息来实现图像的压缩。在这些压缩技术中，MSE(均方误差) 和PSNR(峰值信噪比)通常被用作质量评价指标和优化准则。然而，大量的研究已经 表明，PSNR和MSE与人类视觉系统(HVS)在压缩图像质量上的相关性较差。于是， 大量的图像质量评价方法被提出来解决压缩图像质量评价的难题。
[0003]图像客观质量评价方法是一个广泛研究的领域。研究人员在过去的二十年里提出了 很多模型，根据可以得到参考信息的多少分为全参考质量评价，半参考质量评价和无参 考质量评价。
[0004]在大多数实际应用的压缩系统中，未被压缩的参考图像是可以获得的，所以压缩图 像质量评价的重点在于全参考的质量评价算法。
[0005]然而，大量的全参考压缩图像质量评价算法是基于粗颗粒压缩图像来设计的。也就 是说，压缩图像之间的比特率差异比较明显，所以对应图像的失真差异也比较明显。但 是，当压缩图像的比特率差异不大时，这些算法就不能有效的评估压缩质量的好坏了。
[0006]因此，针对如何有效评价细颗粒压缩图像的质量来设计全参考质量算法是非常重要 的。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种细颗粒压缩图像质量评价方法。
[0008]根据本专利技术的一个方面，提供一种细颗粒压缩图像质量评价方法，包括：
[0009]获取图像结构特征；
[0010]获取图像纹理特征；
[0011]将所述图像结构特征和所述图像纹理特征进行融合，获得细颗粒压缩图像质量评价 分数；
[0012]依据所述的细颗粒压缩图像质量评价分数，对细颗粒压缩图像质量进行评价。
[0013]优选地，所述获取图像结构特征,包括：
[0014]将压缩图像与未被压缩的参考图像均从彩色图转换为灰度图；
[0015]计算所述灰度图的各自的梯度图；
[0016]计算所述的所有梯度图的结构相似性；
[0017]计算所述结构相似性的均值与标准差；
[0018]将所述均值与标准差作为图像结构特征。
[0019]优选地，所述计算灰度图的各自的梯度图，包括：
[0020][0021][0022]其中，G
r
与G
d
分别是对应未被压缩的参考图像和压缩图像的梯度图结果，L
r
与L
d
分别是对应未被压缩的参考图像和压缩图像的灰度图，S
x
与S
y
是对应的水平方向与竖直 方向的梯度算子。
[0023]优选地，所述计算所有梯度图的结构相似性，包括：
[0024][0025]其中，S1代表对应的结构相似性，c是一个用来稳定结果的常数；
[0026]所述计算结构相似的均差和标准差，包括：
[0027][0028][0029]其中，E1代表对应的均值，V1代表对应的标准差，T代表结构相似性S1中的元素个 数。
[0030]优选地，所述获取图像纹理特征，包括：
[0031]将压缩图像与未被压缩的参考图像均从彩色图的RGB通道转换为YCbCr通道；
[0032]对所述YCbCr通道的三个色度图分别进行Log
‑
Gabor变换，获得在多个尺度以及 多个方向下的变换图；
[0033]计算每个色度图在所述多个尺度以及多个方向下的变换图的相似性；
[0034]将所述三个色度图相似性加权叠加，获得相应的均值与标准差作为图像的纹理特征。 优选地，所述将压缩图像与未被压缩的参考图像从彩色图的RGB通道转换为YCbCr通 道，包括：
[0035][0036]其中，Y，Cb，Cr分别对应YCbCr通道的值，R，G，B分别对应RGB通道的值。
[0037]优选地，所述对YCbCr通道的三个色度图分别进行Log
‑
Gabor变换，包括：
[0038][0039]其中，f和θ为每个色度图对应的Log
‑
Gabor变换的频率与方向，f0和θ0为每个色度 图对应的中心频率与方向，σ
f
和σ0是针对所述Log
‑
Gabor变换的频率与方向的位宽参数。
[0040]优选地，所述计算每个色度图在多个尺度以及多个方向下的变换图的相似性，包
括：
[0041][0042]其中，T
α
代表对应YCbCr通道的色度相似性图，W是对应多个频率尺度的权重，f 与θ分别代表对应的频率尺度以及方向，c是一个用来维持稳定性的常数，n为尺度个数， m为方向个数，α
r
以及α
d
分别代表了相应频率和方向的参考图像以及失真图像的 Log
‑
Gabor变换图。
[0043]优选地，将不同色度图相似性加权叠加后的均值与标准差作为图像的纹理特征，包 括：
[0044]对不同色度图相似性加权叠加：
[0045][0046]其中，T
Y
，T
Cb
，T
Cr
对应YCbCr通道的色度相似性，S2为最终的叠加相似性图；
[0047]计算对应的均值E2和标准差V2：
[0048][0049][0050]优选地，所述上述的图像结构特征与纹理特征进行乘算融合，得到最终的细颗粒压 缩图像质量评价分数，包括：
[0051][0052]其中，Q为对应的质量评价分数，E1，V1为图像结构特征，E2，V2为图像的纹理特 征。
[0053]与现有技术相比，本专利技术具有如下的有益效果：
[0054]本专利技术可以有效地用于评价比特率差异不大的压缩图像质量好坏，这对图像压缩技 术以及图像压缩质量评价技术的发展有着重要的意义。
附图说明
[0055]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、 目的和优点将会变得更明显：
[0056]图1为本专利技术提供的一实施例的一种细颗粒压缩图像质量评价方法的流程图。
具体实施方式
[0057]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人 员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技 术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于 本专利技术的保护范围。
[0058]本专利技术提供一个实施例，一种细颗粒压缩图像质量评价方法，包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细颗粒压缩图像质量评价方法，其特征在于，包括：获取图像结构特征；获取图像纹理特征；将所述图像结构特征和所述图像纹理特征进行融合，获得细颗粒压缩图像质量评价分数；依据所述的细颗粒压缩图像质量评价分数，对细颗粒压缩图像质量进行评价。2.根据权利要求1所述的细颗粒压缩图像质量评价方法，其特征在于，所述获取图像结构特征,包括：将压缩图像与未被压缩的参考图像均从彩色图转换为灰度图；计算所述灰度图的各自的梯度图；计算所述的所有梯度图的结构相似性；计算所述结构相似性的均值与标准差；将所述均值与标准差作为图像结构特征。3.根据权利要求2所述的细颗粒压缩图像质量评价方法，其特征在于，所述计算灰度图的各自的梯度图，包括：包括：其中，G
r
与G
d
分别是对应未被压缩的参考图像和压缩图像的梯度图结果，L
r
与L
d
分别是对应未被压缩的参考图像和压缩图像的灰度图，S
x
与S
y
是对应的水平方向与竖直方向的梯度算子。4.根据权利要求3所述的细颗粒压缩图像质量评价方法，其特征在于，所述计算所有梯度图的结构相似性，包括：其中，S1代表对应的结构相似性，c是一个用来稳定结果的常数；所述计算结构相似的均差和标准差，包括：包括：其中，E1代表对应的均值，V1代表对应的标准差，T代表结构相似性S1中的元素个数。5.根据权利要求1所述的一种细颗粒压缩图像质量评价方法，其特征在于，所述获取图像纹理特征，包括：将压缩图像与未被压缩的参考图像均从彩色图的RGB通道转换为YCbCr通道；对所述YCbCr通道的三个色度图分别进行Log
‑
Gabor变换，获得在多个尺度以及多个方向下的变换图；计算每个色度图在所述多个尺度以及多个方向下的变换图的相似性；
将所述三个色度图相似性加权叠加，获得相应的均值与标准差作为图像的纹理特征。6.根据权利要求5所述一种细颗粒压缩图像质量评价方法，其特征在于，所述将压缩图像与未被压缩的参考图像从彩色图的RGB通道转换为YCbCr通道，包括：其中，Y，Cb，Cr分别对应YCbCr通道的值，R，G，B分别对应RGB...

【专利技术属性】
技术研发人员：闵雄阔，张子澄，孙伟，王涛，朱文瀚，翟广涛，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：