一種基于多尺度梯度差分熵的圖像質(zhì)量評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，設(shè)及一種全參考圖像質(zhì)量評(píng)價(jià)方法，具體設(shè) 及一種基于多尺度梯度差分滴的圖像質(zhì)量評(píng)價(jià)方法，適用于圖像編碼質(zhì)量評(píng)價(jià)中。
【背景技術(shù)】
[0002] 據(jù)統(tǒng)計(jì)，人類(lèi)接收到的70%信息來(lái)自于視覺(jué)。觀(guān)察圖像是人類(lèi)認(rèn)識(shí)世界的有效途 徑。尤其是隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，圖像給本發(fā)明日常生活帶來(lái)了巨大的變化，并在醫(yī) 療、新聞、娛樂(lè)等多個(gè)領(lǐng)域占據(jù)著重要地位。而在圖像獲取、處理及傳輸?shù)倪^(guò)程中，圖像質(zhì)量 不可避免的會(huì)受到影響，出現(xiàn)失真（模糊失真、噪聲失真、編碼失真等），從而無(wú)法達(dá)到應(yīng)用 的要求。因此，如何評(píng)價(jià)圖像質(zhì)量的好壞是非常重要的。
[0003] 常用的圖像質(zhì)量評(píng)價(jià)方法包括主觀(guān)圖像質(zhì)量評(píng)價(jià)方法和客觀(guān)圖像質(zhì)量評(píng)價(jià)方法。 主觀(guān)圖像質(zhì)量評(píng)價(jià)方法主要是W人的主觀(guān)感受為主，具體方法是采用專(zhuān)口的觀(guān)察人員，根 據(jù)事先制定的準(zhǔn)則對(duì)一組圖像進(jìn)行判斷，最后對(duì)評(píng)判結(jié)果進(jìn)行加權(quán)求和得出最終的評(píng)價(jià)結(jié) 果。主觀(guān)評(píng)價(jià)方法耗時(shí)長(zhǎng)，成本高，容易受到人的情緒、自身?xiàng)l件等因素的影響，因此，目前 應(yīng)用較為廣泛的是客觀(guān)圖像質(zhì)量評(píng)價(jià)方法。
[0004] 客觀(guān)圖像質(zhì)量評(píng)價(jià)方法包括全參考圖像質(zhì)量評(píng)價(jià)方法、部分參考圖像質(zhì)量評(píng)價(jià)方 法和無(wú)參考圖像質(zhì)量評(píng)價(jià)方法。全參考圖像質(zhì)量評(píng)價(jià)方法對(duì)原始圖像和失真圖像之間的 差異性進(jìn)行判斷，可W取得較好的評(píng)價(jià)效果。常用的全參考圖像質(zhì)量評(píng)價(jià)方法包括峰值信 噪比（PeakSi即alNoiseRatio,PSNR)、結(jié)構(gòu)相似度（Struc1:uralSIMilarity，SSIM)， 視覺(jué)信噪比（VisualSi即al-to-NoiseRatio,VSNR)、信息保真度（VisualInformation Fidelity,VI巧等。不同的質(zhì)量評(píng)價(jià)方法適用于不同失真類(lèi)型圖像的質(zhì)量評(píng)價(jià)中。
[0005] 客觀(guān)圖像質(zhì)量評(píng)價(jià)方法是否有效的依據(jù)是看其客觀(guān)評(píng)價(jià)值與人類(lèi)主觀(guān)觀(guān)測(cè)意 見(jiàn)的一致性。該一致性可W通過(guò)相關(guān)系數(shù)的大小來(lái)表示，分別是；Spearman相關(guān)系數(shù) (SpearmanRank-orderCorrelationCoefficient，SROCC)，Kendall相關(guān)系數(shù)化endall Rank-orderCorrelationCoefficient，KROCC)，Pearson相關(guān)系數(shù)(PearsonLinear CorrelationCoefficient，CC)。
[0006] 客觀(guān)圖像質(zhì)量評(píng)價(jià)方法的優(yōu)點(diǎn)是速度快、費(fèi)用低、應(yīng)用廣泛，不受主觀(guān)因素的影 響。不足之處在于其只能在某些方面有限度的模仿人眼的主觀(guān)視覺(jué)特性，常常會(huì)出現(xiàn)與主 觀(guān)評(píng)價(jià)結(jié)果不一致的情況，不同的評(píng)價(jià)方法適用于不同的應(yīng)用領(lǐng)域，難W建立適用于任何 領(lǐng)域的評(píng)價(jià)方法。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于多尺度梯度差分滴的圖像質(zhì)量評(píng)價(jià)方 法。
[0008] 本發(fā)明所采用的技術(shù)方案是：一種基于多尺度梯度差分滴的圖像質(zhì)量評(píng)價(jià)方法， 其特征在于，包括W下步驟：
[0009] 步驟1 ;將原始圖像和失真圖像均轉(zhuǎn)換成灰度圖像；
[0010] 步驟2 ;基于步驟1的結(jié)果，計(jì)算不同尺度空間內(nèi)的梯度差分滴，并將不同尺度空 間內(nèi)的梯度差分滴進(jìn)行加權(quán)平均；
[0011] 步驟3 ;計(jì)算原始圖像和失真圖像對(duì)應(yīng)的灰度圖像均值的比值；
[0012] 步驟4 ;計(jì)算原始圖像和失真圖像對(duì)應(yīng)的灰度圖像方差的比值；
[0013] 步驟5 ;基于步驟2、步驟3和步驟4的結(jié)果，進(jìn)行綜合評(píng)價(jià)。
[0014] 作為優(yōu)選，步驟2的具體實(shí)現(xiàn)包括W下子步驟：
[0015] 步驟2. 1 ;基于步驟1的結(jié)果，構(gòu)建不同尺度空間；高斯卷積核是尺度變換的唯一 線(xiàn)性核，原始圖像和失真圖像的尺度空間分別通過(guò)對(duì)應(yīng)的灰度圖像與高斯卷積核進(jìn)行卷積 獲得，不同的尺度由5參數(shù)來(lái)確定；
[0016] 步驟2. 2 ;對(duì)不同尺度下的原始圖像和失真圖像通過(guò)下采樣的方式生成不同采樣 間隔的圖像；
[0017] 步驟2.3 ;計(jì)算不同尺度及采樣間隔下的原始圖像和失真圖像的梯度大小，并進(jìn) 行差分運(yùn)算；
[0018] 步驟2. 4 ;基于步驟2. 3的結(jié)果，進(jìn)行量化及絕對(duì)值運(yùn)算；
[001引步驟2. 5 ;基于步驟2. 4的結(jié)果，計(jì)算滴；
[0020] 步驟2. 6 ;基于步驟2. 5的結(jié)果，將不同尺度不同采樣間隔下的滴進(jìn)行加權(quán)平均。
[0021] 作為優(yōu)選，步驟3的具體實(shí)現(xiàn)包括W下子步驟：
[0022] 步驟3. 1 ;計(jì)算原始圖像對(duì)應(yīng)的灰度圖像均值；
[002引步驟3. 2 ;計(jì)算失真圖像對(duì)應(yīng)的灰度圖像均值；
[0024] 步驟3. 3 ;基于步驟3. 2和步驟3. 1的結(jié)果，計(jì)算兩者的比值。
[00巧]作為優(yōu)選，步驟4的具體實(shí)現(xiàn)包括W下子步驟：
[002引步驟4. 1 ;計(jì)算原始圖像對(duì)應(yīng)的方差；
[0027] 步驟4. 2 ;計(jì)算失真圖像對(duì)應(yīng)的方差；
[002引步驟4. 3 ;基于步驟4. 1和步驟4. 2的結(jié)果，計(jì)算兩者的比值。
[0029] 本專(zhuān)利中主要針對(duì)圖像編碼質(zhì)量評(píng)價(jià)的應(yīng)用需求，從人眼觀(guān)測(cè)特性出發(fā)，引入了 SIFT(ScaleInvariantFea1:ureTransform,SIFT)算法中的尺度空間的概念，通過(guò)提取尺 度空間下的輪廓特征差異，建立一種與人的主觀(guān)感受較為吻合的圖像質(zhì)量評(píng)價(jià)方法。
[0030] 本發(fā)明引入尺度空間的基本思想，尺度空間中各尺度圖像的模糊程度逐漸變大， 能夠模擬人在不同距離下目標(biāo)在視網(wǎng)膜上的形成過(guò)程，因此通過(guò)提取尺度空間下的輪廓特 征，并通過(guò)滴來(lái)反映原始圖像和失真圖像在尺度空間下輪廓特征的差異，與主觀(guān)評(píng)價(jià)結(jié)果 具有較好的一致性。
【附圖說(shuō)明】
[0031] 圖1 ;是本發(fā)明實(shí)施例的流程圖。
[0032] 圖2 ;是本發(fā)明實(shí)施例1的原始圖像。
[0033] 圖3 ;是本發(fā)明實(shí)施例1的失真圖像。
[0034] 圖4 ;是本發(fā)明實(shí)施例1的采樣方法示意圖。
[00巧]圖5 ;是本發(fā)明實(shí)施例1的高斯金字塔示意圖。
【具體實(shí)施方式】
[0036] 為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā) 明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說(shuō)明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0037] 請(qǐng)見(jiàn)圖1、圖2和圖3,圖2是原始圖像，圖3是失真圖像，圖像空間分辨率為 512*512,本實(shí)施例1提供的一種基于多尺度梯度差分滴的圖像質(zhì)量評(píng)價(jià)方法，包括W下步 驟：
[003引步驟1 ;將原始圖像和失真圖像均轉(zhuǎn)換成灰度圖像；
[00測(cè)轉(zhuǎn)換方法如下；
[0040] I(X,y) = 0. 2989*R(X,y) +0. 5870*G(X,y) +0. 1140地（X,y);
[0041] I(x，y)代表了轉(zhuǎn)換后的灰度圖像在空間坐標(biāo)（x，y)處對(duì)應(yīng)的像素大小，R(x，y)、 G(x，y)和B(x，y)分別代表原始圖像（失真圖像）在空間坐標(biāo)（X，y)處對(duì)應(yīng)的R、G和B分 量大小。
[0042] 步驟2 ;基于步驟1的結(jié)果，計(jì)算不同尺度空間內(nèi)的梯度差分滴，并將不同尺度空 間內(nèi)的梯度差分滴進(jìn)行加權(quán)平均；
[0043] 本步驟進(jìn)一步包括子步驟：
[0044] 步驟2. 1 ;基于步驟1的結(jié)果，構(gòu)建不同尺度空間；高斯卷積核是尺度變換的唯一 線(xiàn)性核，原始圖像和失真圖像的尺度空間可W分別通過(guò)對(duì)應(yīng)的灰度圖像與高斯卷積核進(jìn)行 卷積獲得，不同的尺度由5參數(shù)來(lái)確定。
[0045] G(x,y, 5 )高斯卷積核的定義如下；
[0046]
[0047] 卷積方法定義如下：
[0048] L(X，y，5 ) =G(X，y，5 ) *1 (X，y);
[0049] 在卷積運(yùn)算時(shí)，需要確定卷積運(yùn)算的窗口大小，在本實(shí)施例中，窗口大小為3*3。尺 度參數(shù)5分別為1,1. 5,2,2. 5。調(diào)整5,本發(fā)明可W獲得4個(gè)不同的高斯卷積核，分別為：
[0052] 通過(guò)上述4個(gè)高斯卷積核，可W獲得4幅不同尺度空間的原始圖像和4幅不同尺 度空間的失真圖像。
[0053] 步驟2. 2 ;下采樣采用隔點(diǎn)采樣的方式，在本實(shí)施例中，采樣間隔分為設(shè)置為3、4、 5、6、7、8、9、10。采樣方法如下：假設(shè)采樣間隔為T(mén)，也就是說(shuō)在原圖的水平方向和垂直方 向每隔T取一個(gè)像素，將所有取得的像素按照行和列的順序依次排列后獲得下采樣后的圖 像，采樣間隔為4時(shí)的采樣方法示意圖如圖4所示。通過(guò)步驟2. 1和步驟2. 2,可W構(gòu)建原 始圖像和失真圖像的高斯金字塔，其示意圖如圖5所示，每個(gè)高斯金字塔共包含4*8 = 32 幅圖像。
[0054] 步驟2. 3;計(jì)算不同尺度及采樣間隔下的原始圖像和失真圖像的梯度大小，并進(jìn)