国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于多尺度邊緣表達的圖片質(zhì)量評價方法

      文檔序號:6552509閱讀:345來源:國知局
      基于多尺度邊緣表達的圖片質(zhì)量評價方法
      【專利摘要】本發(fā)明提供了一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,該方法根據(jù)人類視覺系統(tǒng)理解自然場景時對邊緣和輪廓的嚴重依賴性,在小波域利用多尺度邊緣表達進行圖像質(zhì)量評價:首先在多尺度上計算圖像小波變換得到小波因子的模及幅角,然后再計算原圖和失真圖小波因子模的結(jié)構(gòu)相似性,即多尺度模相似算法來進行圖像的質(zhì)量評價;或者由小波因子模的局部極大值得到圖像的多尺度邊緣表達,計算多尺度邊緣的結(jié)構(gòu)相似性,即多尺度邊緣相似算法來進行圖像的質(zhì)量評價。本發(fā)明所述的圖片質(zhì)量評價方法具有良好的性能,M2S方法和M3S方法都比廣泛使用的峰值信噪比和簡單的結(jié)構(gòu)相似性方法性能更好。
      【專利說明】基于多尺度邊緣表達的圖片質(zhì)量評價方法

      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】,具體地,涉及一種基于多尺度邊緣表達的圖片質(zhì) 量評價方法。

      【背景技術(shù)】
      [0002] 圖像質(zhì)量評價技術(shù)在許多圖像處理應(yīng)用中具有非常重要的作用,如系統(tǒng)性能評 價、圖像增強、去噪及編碼參數(shù)優(yōu)化。圖像質(zhì)量評價方法根據(jù)是否能夠得到原圖可以分為三 類:全參、半?yún)⒓盁o參方法。全參方法通常使用整張原始圖像、半?yún)⒎椒ㄟx擇性使用原始圖 像的部分特征、而無參方法無需使用原始圖像。近年許多研究者投入到利用計算機的圖像 質(zhì)量評價方案的研究當(dāng)中,但由于對人類視覺系統(tǒng)缺乏了解,圖像質(zhì)量評價任然是一項非 常有挑戰(zhàn)性的工作。
      [0003] 均方誤差(MSE)和峰值性噪比(PSNR)盡管有時候與測試者的主觀評分不是特別 符合,但由于其簡單性,MSE和PSNR仍然是目前最普遍的質(zhì)量評價標準。研究者近年提出 了許多全參圖像質(zhì)量評價方法,但仍然不像MSE和PSNR那樣被廣泛采用;而由于特征提取 的復(fù)雜性,有效的半?yún)D像質(zhì)量評價方法被提出;無參圖像質(zhì)量評價方法則更難開發(fā)。
      [0004] 早期許多神經(jīng)系統(tǒng)科學(xué)領(lǐng)域的工作,如D. Hubei等人在《Journal of Neuroscience》(神經(jīng)科學(xué)期刊)第160卷的第106頁至第154頁發(fā)表的論文"Receptive Fields and Functional Architecture in the Cat's Visual Cortex"和第 195卷的第215 頁至第 243 頁發(fā)表的論文"Receptive Fields and Functional Architecture of Monkey Striate Cortex" ;以及計算機視覺領(lǐng)域的工作,如T. Lindeberg在《IEEE Trans. Pattern Analysis and Machine Intelligence》(IEEE模式分析與機器智能匯刊)第12卷第3期 的第 234 頁至第 254 頁發(fā)表的論文 "Scale-Space for Discrete Signals" 和 J.H. Elder 等人在〈〈IEEE Trans. Pattern Analysis and Machine Intelligence〉〉(IEEE 模式分析與 機器智能匯刊)第20卷第7期的第699頁至第716頁發(fā)表的論文"Local scale control for edge detection and blur estimation"都表明多尺度分解技術(shù)比單尺度技術(shù)更好地 模擬人類視覺系統(tǒng)的心理生理學(xué)機制,所以多尺度分解技術(shù)有望能在自然圖像處理中取得 更令人滿意的效果。此外,一些研究工作,如J. H. Elder等人在《Vision Research》(視覺研 究)第38卷第1期的第143頁至第152頁發(fā)表的論文"Evidence for boundary-specific grouping in human vision"表明人類視覺系統(tǒng)在感知表面屬性及理解自然場景時嚴重依 賴于邊緣及輪廓。


      【發(fā)明內(nèi)容】

      [0005] 針對現(xiàn)有技術(shù)中的缺陷,本發(fā)明的目的是提供一種基于多尺度邊緣表達的圖片質(zhì) 量評價方法,該方法具有良好的性能,而且比廣泛使用的峰值信噪比和簡單的結(jié)構(gòu)相似性 方法性能更好。
      [0006] 為實現(xiàn)以上的目的,本發(fā)明提供一種基于多尺度邊緣表達的圖片質(zhì)量評價方法, 該方法根據(jù)人類視覺系統(tǒng)理解自然場景時對邊緣和輪廓的嚴重依賴性,在小波域利用多尺 度邊緣表達進行圖像質(zhì)量評價:首先在多尺度上計算圖像小波變換得到小波因子的模及幅 角,然后再計算原圖和失真圖小波因子模的結(jié)構(gòu)相似性,即多尺度模相似算法來進行圖像 的質(zhì)量評價;或者由小波因子模的局部極大值得到圖像的多尺度邊緣表達,計算多尺度邊 緣的結(jié)構(gòu)相似性,即多尺度邊緣相似算法來進行圖像的質(zhì)量評價。
      [0007] 該方法具體包括以下步驟:
      [0008] 第一步、對圖像進行二階小波變換:首先對滿足條件的二階可微的二維平滑函 數(shù)Θ (X,y)求一階偏導(dǎo)得到小波函數(shù)ψΗχ,γ),V2(X,y),小波函數(shù)在尺度f的二階展開 為(X,fx, yj,則二維函數(shù)f(x,y)在尺度2」上二階小波變換可以向量形式表示為

      【權(quán)利要求】
      1. 一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,其特征在于包括以下步驟: 第一步、對圖像進行二階小波變換:首先對滿足條件的二階可微的二維平滑函數(shù) Θ (x,y)求一階偏導(dǎo)得到小波函數(shù)vHxj),V2(x,y),小波函數(shù)在尺度f的二階展開 為_ν}ψ=: (X,y),則二維函數(shù)f (X,y)在尺度2j上二階小波變換可以向量形式表示為
      ,其中Θ (X,y)為滿足一定條件的二階可微的二維平滑函數(shù),二維函數(shù)f(X,y) 為所需要評價的圖像,(x,y)即為圖像的坐標,
      分別為圖像f(x,y)在 尺度f上二階小波變換水平和垂直方向的小波因子,j = 1,2, 3…為正整數(shù); 第二步、多尺度邊緣提取:對尺度2j上的圖像小波變換向量取模得Μ2?.?<Χ, y),其方向由
      4 ffx,y)給出,圖像的多尺度邊緣即為圖片二階小波變換模的局部極大值,其中M2jf(x,y) 即為圖像小波變換向量 的模, ,、即為圖像小波變換向量的方向; a2> f(x> y) 第三步、計算原圖和失真圖在多尺度上小波變換模的結(jié)構(gòu)相似性,采用多尺度模相似 方法M2S,通過量化原圖及失真圖在多尺度上小波變換模的相似性,最后將多尺度上的相似 性結(jié)合來評價失真圖的圖像質(zhì)量;或者采用極大模相似方法M 3S,通過量化原圖及失真圖在 多尺度上多尺度邊緣的相似性,最后將多尺度上的相似性結(jié)合來評價失真圖的圖像質(zhì)量。
      2. 根據(jù)權(quán)利要求1所述的一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,其特征在 于,第一步中,所述二階可微的二維平滑函數(shù)Θ (X,y)應(yīng)滿足以下條件:
      其一階偏導(dǎo)為:
      Ψ'? ¥2(x,y)均值為0,故可作為小波函數(shù),小波函數(shù)的二階展開表示為:
      則函數(shù)f(x,y) e L2(R2)在尺度f的二階小波變換表示為:
      其中,y)l y)分別為水平和垂直方向的小波因子; 對圖像在多尺度上利用函數(shù)Θ (X,y)進行平滑,則得到以下梯度向量描述:
      其中,
      即為圖像小波變換的向量表示形式,Θ (X,y)為平滑函數(shù),f(X,y)為 一幅圖像,表示在尺度f上利用Θ (x,y)對f(x,y)進行平滑,*表示卷積操作,
      和 W分別表示對X和y求偏導(dǎo),Kx,y)和fy;)即表示fs^2關(guān)于X和 y的偏導(dǎo)在(X,y)處的值,2#卜θ2^χ,y)即為圖像小波變換的梯度描述。
      3. 根據(jù)權(quán)利要求1所述的一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,其特征在 于,第二步中,在尺度f上,圖像f(x,y)的小波變換向量21 I ' 1的模為: LwMx,y)」 M2jf (x, y) = -y Wgif (x, y) + W22jf (x, y) 其中,M/ (X,y;)即為圖像f (x,y)小波變換向量的模,(x,y),W^f (X,y)分別為小波 變換向量的水平和垂直兩個方向分量; 圖像fU,y)小波變換的方向由下式給出: A"f(x, y) - arctanyt, 。 jW2,f(x,y) 其中,Α2?,y)即為小波變換向量的方向,(x,y),Wgf (x,y)分別為小波變換向量 的水平和垂直兩個方向分量; ;Γ*θ2」(χ,y)的變量點即為M2,f(x,y)在方向A2,f(x,y)上取得局部極大值的點,圖像的多 尺度邊緣即為圖像二階小波變換模的局部極大值。
      4. 根據(jù)權(quán)利要求1-3任一項所述的一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,其 特征在于,第三步中,所述多尺度模相似方法M 2S,其中模的相似性通過結(jié)構(gòu)相似性進行衡 量; 用M〇2, (X,y} Md2i (X,y} (j = 1, 2, . . .,N)分別表示原圖和失真圖的小波變換的模, 其中N表示分解的層數(shù),則在尺度f上原圖和失真圖模的平均結(jié)構(gòu)相似性表示為 MSSIM[M〇2l(x,y)i Md^x,y]],計算分解級數(shù)為N時的多尺度模相似性:
      其中,Wi為不同層數(shù)的相對權(quán)重,設(shè)為
      ,N為分解的層數(shù), M〇2j (x,y),Md2l (x,y)分別為原圖和失真圖小波變換的模,MSS頂[*,*]為一種平均結(jié)構(gòu)相 似性算法,M2S(N)即為分解級數(shù)為N時的多尺度模相似性。
      5.根據(jù)權(quán)利要求1-3任一項所述的一種基于多尺度邊緣表達的圖片質(zhì)量評價方法,其 特征在于,第三步中,所述極大模相似方法M3S,其中多尺度邊緣的相似性通過結(jié)構(gòu)相似性 進行衡量; 用\1 \1〇2 (X,y;),\1 \1 (12卜,y;),〇 = 1,2,. . .,\)分別表示原圖和失真圖的小波變換的 模局部極大值,計算分解級數(shù)為N時的多尺度極大模相似性為:
      其中,Wi為不同層數(shù)的相對權(quán)重,設(shè)為
      ,N為分解的層數(shù), MM〇2l (x,y),MMd2l (x,y)分別為原圖和失真圖小波變換模的局部極大值,MSSIM[*,*]為一 種平均結(jié)構(gòu)相似性算法,M3S(N)即為分解級數(shù)為N時的多尺度極大模相似性。
      【文檔編號】G06T7/00GK104143188SQ201410320983
      【公開日】2014年11月12日 申請日期:2014年7月4日 優(yōu)先權(quán)日:2014年7月4日
      【發(fā)明者】翟廣濤, 閔雄闊, 楊小康, 李鐸 申請人:上海交通大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1