用于图像质量评价的视觉能量信息提取方法技术

本发明专利技术公开了一种用于图像质量评价的视觉能量信息提取方法。本发明专利技术具体实施包括如下步骤：1.构建一组二维Gabor滤波器，并利用其对输入的参考图像和失真图像进行卷积处理，以分别提取参考图像和失真图像的图像特征信息；2.通过分裂归一化变换对提取的参考图像和失真图像的图像特征信息进行后处理；3.基于分裂归一化变换处理后的图像特征信息，分别提取参考图像和失真图像的视觉能量信息，作为评价图像视觉质量的基准。本发明专利技术高效地仿真了人类视觉系统的视觉皮质响应和前处理机制，实现了视觉能量信息的提取，且基于本发明专利技术所提出方法的图像质量客观评价与主观评价具有很好的一致性。

【技术实现步骤摘要】

本专利技术属于图像处理
，尤其涉及一种。
技术介绍
图像在获取、压缩、存储、传输和重建的过程中会引入各种失真，导致图像质量的损失。图像质量评价，即评价图像在多大程度上符合人类获取视觉信息和视觉享受的需要，是衡量图像处理系统性能的一个重要指标，已成为数字图像处理技术研究的基础和关键，具有重大的理论和工程价值，受到了越来越多的重视。图像质量评价主要分为主观评价和客观评价。虽然主观评价是最为可靠的图像质量评价方法，但由于其固有的缺陷，如费时费力，可操作性差，无法成为一种可重复的测量方法，很难作为工程测量手段，所以主观评价很少直接应用于图像质量的度量，更多的时候作为定性分析图像质量的一种手段。而图像质量客观评价通过设计合理的数学模型，对图像进行智能分析，并按照设计的质量尺度自动的对图像的质量进行评分。按照对原始图像的依赖程度，图像质量客观评价分为全参考、部分参考和无参考三类。随着人类视觉生理心理学等研究成果的引入，对于全参考图像质量评价方法的研究逐步向基于人类视觉感知的图像质量客观评价发展，以提高评价的准确性。一方面，更加关注图像的物理意义，即图像的各种视觉属性，如亮度、对比度、形状纹理、方向和光滑度等。通过分解这些属性，比较待评价图像与原始图像在人类视觉系统(HVS)感知上的差异，从而评估图像的质量。然而，人类视觉系统是一个十分复杂的非线性系统，仅依照目前对其有限的理解所构建的图像质量评价框架，依旧不能获得与人类主观感受一致的评价结果，并且该类方法需要仿真HVS的各个功能模块，实现复杂度较高。另一方面，根据现实的HVS感知图像质量的行为，提出某种高层次自上向下的假设框架，然后通过数学模型来实现该假设框架。该种方法把HVS看作一个黑盒，只关注输入与输出的关系，从而绕过繁琐复杂的HVS系统建模，其算法的实现往往较为简单，而且评价的准确性也较为理想。然而，这类方法的准确性往往依赖于所提的某种假设的准确性，所以往往需要研究者对人类视觉系统、自然图像统计特性和图像失真有必要的理解。
技术实现思路
本专利技术的目的是针对现有基于视觉感知的全参考图像质量评价过程中，由于对HVS模拟不高效而导致的质量评价准确性偏低、计算复杂度过大等缺陷，提出一种，并以此视觉能量信息作为图像质量客观评价的基准。本专利技术采取的技术方案是 首先分别将参考图像与失真图像通过一组二维Gabor小波滤波器组提取图像特征量，随后通过分裂归一化变换(Divisive Normalization Transform, DNT)将特征量进行后处理，进而提取参考图像和失真图像厶的视觉能量信息(Visual Energy Information,VEI)，作为评价图像视觉质量的基准。本专利技术解决其技术问题所采用的技术方案如下 步骤(1).输入参考图像4和失真图像心； 步骤(2 ).建立一组二 维G a b O r小波滤波器GaborWavelet(XtF)^ 权利要求5.，其特征在于包括以下步骤 步骤(1).输入参考图像/yp和失真图像A ; 步骤(2).建立一组二维Gabor小波滤波器GaborWavelet(X)^ ； GaborWavelet^lVye=esp{x) expj- Γ +^rjj f2Sf+lV 式 a — { I 5 Απ/52 (2% - )2Β , ( ) xr = xcosff-l· ysinff yr =-Ksm0 + ycos&λ = — ν厶 其中，5代表尺度大小，i为正整数，β为旋转方向，Zmax为最高频率，&为频率带宽， 为信号函数/Cr，_F)傅里叶变换形式Z7(KK)相对于U轴的有效宽度，《farctanOZ/O表示其角度； 步骤(3).利用步骤(2)所建立的二维Gabor小波滤波器对参考图像厶(H)和失真图像IMy)进行卷积计算，分别得到参考图像Ir和失真图像Id在二维Gabor小波域各个尺度和各个方向上的特征信息；记- Cr，_F: R)和- Cr，_F D)分别为参考图像Ir和失真图像Id的在i尺度和0方向上的特征信息Qe (x,y R) = (4 *GaborWa￥elet^) (x，f) = Re_g" (x,y: R) +jlm_ β: (u: R)⑵ Q1e (x, y: D') = (Zj3 lttGaborWairelet^) (u) = P,e_ Q1e (x,y: D) + j Im_ f/0 (x, y: D) ⑶ 其中，Re_ 0 g {x,y)和{x,y)分别表示特征信息的实部与虚部； 步骤(4).构建局部增益分裂归一化的模型来模仿人类视觉系统的前处理机制；采用分裂归一化变换(Divisive Normalization Transform, DNT)对步骤(3)所提取的图像特征信息Cr，_F: R)和Cr，_F: D)进行非线性变化，以降低其中的一阶或高阶相关度；DNT的简化数学模型如下 Λ Ww = _(4) P 其中，#表示图像特征信息经过Gabor小波变换后的系数；表示图像特征信息经DNT后的系数;/7表示局部增益控制因子，它是由在空间、方向、尺度上都与#系数相邻的一组系数计算得到的； 本专利技术利用高斯尺度混合(Guassian Scale Mixture)模型来局部增益控制因子;通过采样Gabor小波系数#在不同空间、尺度和方向上相关的小波系数V来组成向量Y，运用贝叶斯理论，可以得到全文摘要本专利技术公开了一种。本专利技术具体实施包括如下步骤1.构建一组二维Gabor滤波器，并利用其对输入的参考图像和失真图像进行卷积处理，以分别提取参考图像和失真图像的图像特征信息；2.通过分裂归一化变换对提取的参考图像和失真图像的图像特征信息进行后处理；3.基于分裂归一化变换处理后的图像特征信息，分别提取参考图像和失真图像的视觉能量信息，作为评价图像视觉质量的基准。本专利技术高效地仿真了人类视觉系统的视觉皮质响应和前处理机制，实现了视觉能量信息的提取，且基于本专利技术所提出方法的图像质量客观评价与主观评价具有很好的一致性。文档编号G06T7/00GK102855631SQ201210301819公开日2013年1月2日 申请日期2012年8月23日 优先权日2012年8月23日专利技术者丁勇, 张渊, 王翔, 段克峰, 张奥扬 申请人:浙江大学本文档来自技高网...

【技术保护点】
用于图像质量评价的视觉能量信息提取方法，其特征在于包括以下步骤：步骤(1).输入参考图像IR和失真图像ID；？步骤(2).建立一组二维Gabor小波滤波器？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？：？？？？？？？？？？？？？？？？？？(1)其中，s代表尺度大小，i为正整数，为旋转方向，fmax为最高频率，Bf为频率带宽，ΔU为信号函数f(x,y)傅里叶变换形式F(U,V)相对于U轴的有效宽度，ω0=arctan(U/V)表示其角度；步骤(3).利用步骤(2)所建立的二维Gabor小波滤波器对参考图像IR(x,y)和失真图像ID(x,y)进行卷积计算，分别得到参考图像IR和失真图像ID在二维Gabor小波域各个尺度和各个方向上的特征信息；记Qiθ(x,y:？R)和Qiθ(x,y:？D)分别为参考图像IR和失真图像ID的在i尺度和方向上的特征信息：？？？？？(2)？？？？？(3)其中，Re_？Qiθ(x,y)和Im_Qiθ(x,y)分别表示特征信息的实部与虚部；步骤(4).构建局部增益分裂归一化的模型来模仿人类视觉系统的前处理机制；采用分裂归一化变换(Divisive？Normalization？Transform,？DNT)对步骤(3)所提取的图像特征信息Qiθ(x,y:？R)和Qiθ(x,y:？D)进行非线性变化，以降低其中的一阶或高阶相关度；DNT的简化数学模型如下：？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？(4)其中，w表示图像特征信息经过Gabor小波变换后的系数；？表示图像特征信息经DNT后的系数；p表示局部增益控制因子，它是由在空间、方向、尺度上都与w系数相邻的一组系数计算得到的；本专利技术利用高斯尺度混合（Guassian？Scale？Mixture）模型来局部增益控制因子p；通过采样Gabor小波系数w在不同空间、尺度和方向上相关的小波系数w“来组成向量Y，运用贝叶斯理论，可以得到：？？？？？？？？？？？？？？？？？？？？？？？？？？？？？(5)其中，z是一随机变量，z变量的概率分布为pz(z)；？？？？进而，利用最大值估计，得到？？？？？？？？？？？？(6)其中，为局部增益控制因子p的估计值，U是一个均值为0的正态高斯分布且满足，Σ为正态高斯分布U的协方差；协方差Σ可以由公式（7）计算得到：？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？(7)其中，M为个每个小波子带中小波系数的个数，而且这M个小波系数总共对应了M个向量Yi；步骤(5).利用步骤(4)构建的局部增益分裂归一化的模型对步骤(3)提取的参考图像IR和失真图像ID在二维Gabor小波域的特征信息Qiθ(x,y:？R)和Qiθ(x,y:？D)进行后处理，处理后的视觉特征记为DNTQiθ(x,y:？R)和DNTQiθ(x,y:？D)，分别为DNT处理后参考图像IR和失真图像ID在i尺度和方向上的视觉特征信息：？？？(8)？？(9)其中，Re_？DNTQiθ(x,y)和Im_DNTQiθ(x,y)分别表示DNT处理后特征信息的实部与虚部；？？？步骤(6).基于步骤(5)所得到的DNT处理后参考图像IR和失真图像ID的视觉特征信息，分别构建参考图像IR和失真图像ID的视觉能量信息(Visual？Energy？Information,？VEI)，作为评价图像视觉质量的基准；记VEiiθ(x,y:？R)和VEiiθ(x,y:？D)分别为参考图像IR和失真图像ID在i尺度和方向上的视觉能量信息：？？？？？？？？？？？？？？？？？(10)？？？？？？？？？？？？？？？？？(11)。2012103018192100001dest_path_image002.jpg,2012103018192100001dest_path_image004.jpg,2012103018192100001dest_path_image007.jpg,dest_path_image009.jpg,dest_path_image011.jpg,dest_path_image013.jpg,dest_path_image015.jpg,dest_path_image017.jpg,dest_path_image019.jpg,dest_path_image021.jpg,dest_path_image023.jpg,dest_path_image025.jpg,dest_path_image027.jpg,dest_path_image029.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：丁勇，张渊，王翔，段克峰，张奥扬，
申请(专利权)人：浙江大学，
类型：发明
国别省市：