一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法
【專利摘要】本發(fā)明涉及一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，屬于全息圖像質(zhì)量評價技術(shù)領(lǐng)域。本發(fā)明提供了一種改進的基于人眼視覺特性中掩蓋效應(yīng)的噪聲檢測方法，應(yīng)用于評價數(shù)字全息圖的噪聲干擾。該方法充分模擬了不同圖像內(nèi)容對人眼主觀感受刺激的差異，取消了Hosaka分塊對圖像尺寸的限制，根據(jù)待評價圖像的特點自動計算、動態(tài)設(shè)置分塊閾值、檢噪閾值，并進一步優(yōu)化了噪聲判別方式，增強了普適性、魯棒性，在提高運算效率的同時可減少誤檢和漏檢，適用于對各種噪聲干擾、不同噪聲強度下的圖像進行評價，能更好的滿足對數(shù)字全息圖噪聲干擾進行實時評價的需要。
【專利說明】
-種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于全息圖像質(zhì)量評價技術(shù)領(lǐng)域，設(shè)及一種針對數(shù)字全息圖噪聲干擾的實 時客觀質(zhì)量評價方法。
【背景技術(shù)】
[0002] 數(shù)字全息是近年來興起的一種新型相干的光學(xué)測量技術(shù)。它利用高集成度、高精 度的光敏電子成像器件，如電荷禪合元件(化arge-coupled Device，CCD)直接獲取微米級 的樣本圖像，具有全視場、非接觸、無損傷、實時性和定量化的獨特優(yōu)勢，在=維形貌測量、 顯微領(lǐng)域、粒子場分析與觀測、防偽、生物醫(yī)學(xué)等領(lǐng)域具有廣泛的應(yīng)用前景。
[0003] 數(shù)字全息成像分為光學(xué)記錄和數(shù)值再現(xiàn)兩個過程，其中光學(xué)記錄過程是由光源發(fā) 出的光線照射到樣本上，樣本表面產(chǎn)生的散射光（即物光)和參考光在光敏電子成像器件表 面發(fā)生干設(shè)，產(chǎn)生全息圖，其光強分布被其記錄并保存到計算機中，其結(jié)果是一個數(shù)字矩 陣，即數(shù)字全息圖（Digital化Iogram)。而數(shù)值再現(xiàn)過程是由計算機模擬光學(xué)全息的再現(xiàn) 過程，通過數(shù)值計算，獲得像光波場的復(fù)振幅分布，將所得強度分布及位相分布在顯示器上 顯示出來，即可得到樣本的形態(tài)結(jié)構(gòu)圖像(即再現(xiàn)像）。
[0004] 在數(shù)字全息圖的采集、存儲、處理、傳輸、顯示等過程中往往會產(chǎn)生不同程度的失 真，比如不同類型的噪聲污染，從而對其質(zhì)量產(chǎn)生影響。同時，數(shù)字全息圖的質(zhì)量（即失真程 度)將直接影響再現(xiàn)像的質(zhì)量，失真嚴重時甚至無法得到再現(xiàn)像，導(dǎo)致基于再現(xiàn)像的檢測、 分析等進一步的應(yīng)用無法開展。
[0005] 此外，由于數(shù)字全息技術(shù)直接記錄的是物光和參考光的干設(shè)條紋，與觀測者熟悉 的樣本形態(tài)結(jié)構(gòu)圖完全不同，因此人眼難W直觀判斷數(shù)字全息圖的質(zhì)量，往往需要借助數(shù) 值再現(xiàn)過程，由觀測者根據(jù)再現(xiàn)像中樣本形態(tài)結(jié)構(gòu)的完整性、清晰度評判其優(yōu)劣。運種基于 再現(xiàn)像間接評價數(shù)字全息圖質(zhì)量的方式顯然費時費力。尤其是在生物醫(yī)學(xué)運類需要獲取活 體樣本如生物細胞的全息圖的應(yīng)用中，運一問題更為突出。生物細胞存在存活周期，需要在 盡可能短的時間內(nèi)獲取到高質(zhì)量的數(shù)字全息圖W滿足觀測分析的需要。而需再現(xiàn)后方能評 價數(shù)字全息圖像質(zhì)量的方式顯然會浪費實驗時間。此外，一旦再現(xiàn)后發(fā)現(xiàn)圖像質(zhì)量不佳，需 重新拍攝全息圖，可能細胞已經(jīng)調(diào)亡，又需重新培養(yǎng)細胞后才能再開展實驗，無疑是耗時耗 力耗成本。而且基于觀測者的視覺觀察評判圖像質(zhì)量，其準確性會也受到主觀影響。
[0006] 綜上所述，直接針對數(shù)字全息圖進行即時高效的客觀質(zhì)量評價是解決上述問題的 有效途徑，將能更好地確保全息圖的可用性。
[0007] 目前，常用的圖像評價方法分為主觀評價和客觀評價兩類：圖像質(zhì)量的主觀評價 是通過人眼直接觀測圖像，按照某種規(guī)定標(biāo)準或圖像樣品，由人的主觀感覺對圖像的優(yōu)劣 做出評分，然后對評分進行統(tǒng)計平均得出評價結(jié)果。該方法存在著W下缺點：1)代價高、耗 時長、過程繁瑣冗長、實時性差；2)易受到外界與設(shè)備等客觀因素影響；3)易受到觀察者知 識水平、興趣、喜好等主觀因素影響;4)無法應(yīng)用數(shù)字模型描述，難W嵌入實際的數(shù)字圖像 處理系統(tǒng)等諸多難W克服的困難，導(dǎo)致主觀評價方法的普遍應(yīng)用受到了嚴重制約。圖像質(zhì) 量的客觀評價是根據(jù)給定的測量標(biāo)準，對測量出的構(gòu)成圖像的有關(guān)物理特性參量進行評 價。傳統(tǒng)的客觀圖像質(zhì)量評價方法往往使用均方差(Mean Squre化ror，MSE)與峰值信噪比 PSNR(Peak Signal to Noise Ratio,PSNR)作為衡量標(biāo)準，但其僅考慮了圖像間點對點的 絕對誤差，未考慮圖像空域像素點之間的相關(guān)性與人類視覺系統(tǒng)的感知特性。運就導(dǎo)致在 一些情況下與人主觀感受效果不一致，不能反映圖像的主觀感知程度，有時甚至與人主觀 感受相惇。
[000引近年來興起的基于人眼視覺系統(tǒng)化uman Visual System,HVS)特性的客觀評價方 法，能夠在很大程度上模擬人眼的主觀評價感受。特別是視覺掩蓋效應(yīng)作為人眼視覺系統(tǒng) 中的重要組成部分，非常適用于對圖像噪聲水平的檢測。該方法能夠?qū)D像中不同區(qū)域?qū)?人眼的刺激程度進行等級區(qū)分，進而將不同區(qū)域的噪聲賦予不同的權(quán)值，最后將整幅圖像 各部分的噪聲評價結(jié)果進行匯總，得到最終的評價結(jié)果，在無參考信息的條件下能取得與 主觀較為一致的結(jié)果，優(yōu)于傳統(tǒng)的客觀質(zhì)量評價方法。現(xiàn)有的基于掩蓋效應(yīng)的噪聲檢測算 法在劃分區(qū)域（即分塊)方面對圖像尺寸有所限制，且往往需由操作者設(shè)置固定的分塊闊值 和檢噪闊值，如設(shè)置不當(dāng)，易出現(xiàn)分塊過多、導(dǎo)致運算量大，W及噪聲漏檢、誤檢等問題，難 W滿足實時性應(yīng)用的要求，且算法的普適性差，準確率也受到影響。

【發(fā)明內(nèi)容】

[0009] 有鑒于此，本發(fā)明的目的在于提供一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量 評價方法，該方法充分模擬了不同圖像內(nèi)容對人眼主觀感受刺激的差異，取消了化saka分 塊對圖像尺寸的限制，根據(jù)待評價圖像的特點自動計算、動態(tài)設(shè)置分塊闊值、檢噪闊值，并 進一步優(yōu)化了噪聲判別方式，增強了普適性、魯棒性，在提高運算效率的同時可減少誤檢和 漏檢，適用于各種噪聲類型、不同噪聲強度下的圖像進行評價，能更好的滿足對數(shù)字全息圖 噪聲干擾進行實時評價的需要。
[0010] 為達到上述目的，本發(fā)明提供如下技術(shù)方案：
[0011] -種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，該方法包括W下步驟：
[0012] Sl:獲取數(shù)字全息樣本圖像；
[0013] S2:針對樣本圖像進行灰度化處理，得到樣本灰度圖像；
[0014] S3:針對樣本灰度圖像進行分塊預(yù)處理，設(shè)置圖像的最小分塊尺寸，結(jié)合圖像尺寸 與最小分塊尺寸，計算分塊進行的最多層級數(shù)；
[0015] S4:采用基于化saka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊闊值并分 塊；
[0016] S5:根據(jù)分塊結(jié)果，由各子塊圖像尺寸計算得到各子塊的噪聲權(quán)值；
[0017] S6:計算樣本灰度圖像的平均梯度值，作為檢噪闊值；
[0018] S7:根據(jù)檢噪闊值，對各子塊圖像中噪聲點進行判斷，計算塊內(nèi)的噪聲污染程度；
[0019] S8:匯總各子塊的噪聲污染程度并依次加權(quán)，得到樣本圖像的噪聲污染程度；
[0020] S9:根據(jù)噪聲污染程度，計算最終基于視覺掩蓋效應(yīng)的無參考圖像信噪比。
[0021] 進一步，所述步驟S3具體包括:設(shè)置圖像分塊的最小邊長dim(單位為像素），也即 當(dāng)所分子塊的長或?qū)捫∮赿im即停止分塊，并根據(jù)下式，結(jié)合圖像樣本尺寸(MXN)計算出最 高分塊級數(shù)Kmax:
[0022] Kmax=min(floor(log2M-log2dim) ,floor(log2N-log2dim))
[0023] 其中floor表示對結(jié)果負向取整，舍棄小數(shù)部分;min表示對所包含元素取最小值。
[0024] 進一步，所述步驟S4具體包括:在當(dāng)前分塊級數(shù)K未達到Kmax時，逐級判斷當(dāng)前所得 子塊是否需要進行進一步分塊;分塊方法源于化saka分塊（四叉樹分塊），但不再要求圖像 的長和寬均為2的整數(shù)次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊闊值 選取能夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級 細分為高低頻成分不同、對應(yīng)尺寸不同的子塊，W分塊大小代表了子塊圖像的不同頻率成 分;其中分塊尺寸越大表示塊內(nèi)頻率成分越低，反之分塊尺寸越小的表示塊內(nèi)頻率成分越 局。
[0025] 進一步，所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲 得：
[0026] 步驟a、當(dāng)K= 1時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行 等分，分為四個子塊;若邊長存在奇數(shù)的情況，遵循上小下大，左小右大的原則，將圖像的邊 分為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用W下公式 進行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊闊值，并進入 步驟b;對任意一圖像子塊f，其灰度值均方差公式為：
[0027]
[0028] 其中，（i，j)為圖像子塊f中像素的行、列坐標(biāo);m、n分別為該圖像子塊的行、列像素 數(shù)目，即圖像塊的大小，f為該圖像塊的平均灰度值；
[0029] 步驟b、當(dāng)K〉1時，即進行后續(xù)層級分塊時，則計算當(dāng)前待分子塊的灰度值均方差， 與上一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照 步驟a中所述規(guī)則對當(dāng)前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分 塊的分塊闊值，直到分塊進行至第Kmax級。
[0030] 進一步，所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據(jù)其各塊尺寸，計 算該子塊中噪聲污染對于整幅樣本灰度圖像的加權(quán)值、；圖像子塊噪聲加權(quán)值的計算方法 是采用該子塊較小邊的邊長，取其W2為底的對數(shù)，即
[0031] 、= l〇g2(min(m,n))。
[0032] 進一步，所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進 行梯度值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設(shè)為該圖像 的檢噪闊值，用于后續(xù)的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任 一像素點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線 梯度;對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度 值與其八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩 像素點(A、B)灰度值求差取絕對值，最后將運兩部分結(jié)果求差后再取絕對值即為該像素點 在該方向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。
[0033] 進一步，所述步驟S7具體包括:根據(jù)步驟S6中所提出的像素點的四個方向梯度的 計算方法，得到步驟S4所分各子塊內(nèi)像素點的梯度情況，統(tǒng)計其各點與檢噪闊值之間的關(guān) 系，進而對各子塊內(nèi)的噪聲污染程度進行計算；
[0034] 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度 中值為0的個數(shù);若像素點存在兩個及W上的方向梯度值不為0,則該像素點為疑似噪聲點； 反之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟 S6所得檢噪闊值，則確定該像素點為噪聲點；
[0035] 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內(nèi)所有噪聲點 的非零方向梯度值的最小值與檢噪闊值分別求差再求和，其結(jié)果即為該圖像塊的噪聲污染 程度，記為Gi。
[0036] 進一步，所述步驟S8具體包括:根據(jù)步驟S7所求各子塊的噪聲污染程度Gi W及步 驟S5所求各子塊的噪聲加權(quán)值、，將兩者對應(yīng)相乘求和再除W樣本圖像的總像素點數(shù)，得 到整幅圖像的噪聲污染程度G，即：
[0037]
[0038] 進一步，所述步驟S9具體包括:根據(jù)步驟S8所得整幅圖像的噪聲污染程度G結(jié)合樣 本灰度圖像的灰度級數(shù)1，求出最終結(jié)果一基于掩蓋效應(yīng)的無參考圖像信噪比NRPSNR，計算 公式如下：
[0039]
[0040] 本發(fā)明的有益效果在于:本發(fā)明提供了一種改進的基于人眼視覺特性中掩蓋效應(yīng) 的噪聲檢測方法，應(yīng)用于評價數(shù)字全息圖的噪聲干擾。該方法充分模擬了不同圖像內(nèi)容對 人眼主觀感受刺激的差異，取消了化saka分塊對圖像尺寸的限制，根據(jù)待評價圖像的特點 自動計算、動態(tài)設(shè)置分塊闊值、檢噪闊值，并進一步優(yōu)化了噪聲判別方式，增強了普適性、魯 棒性，在提高運算效率的同時可減少誤檢和漏檢，適用于各種噪聲干擾、不同噪聲強度下的 圖像進行評價，能更好的滿足對數(shù)字全息圖噪聲干擾進行實時評價的需要。
【附圖說明】
[0041] 為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進行 說明：
[0042] 圖1為單個紅細胞的全息圖、再現(xiàn)像與顯微鏡圖像對比示例；
[0043] 圖2為多個紅細胞的全息圖、再現(xiàn)像與顯微鏡圖像對比示例；
[0044] 圖3為本發(fā)明所述方法的流程示意圖。
【具體實施方式】
[0045] 下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述。
[0046] 圖3為本發(fā)明所述方法的流程示意圖，如圖所示，本發(fā)明提供的一種針對數(shù)字全息 圖噪聲干擾的實時客觀質(zhì)量評價方法包括W下步驟:S1:獲取數(shù)字全息樣本圖像;S2:針對 樣本圖像進行灰度化處理，得到樣本灰度圖像;S3:針對樣本灰度圖像進行分塊預(yù)處理，設(shè) 置圖像的最小分塊尺寸，結(jié)合圖像尺寸與最小分塊尺寸，計算分塊進行的最多層級數(shù);S4: 采用基于化saka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊闊值并分塊；S5:根據(jù) 分塊結(jié)果，由各子塊圖像尺寸計算得到各子塊的噪聲權(quán)值;S6:計算樣本灰度圖像的平均梯 度值，作為檢噪闊值;S7:根據(jù)檢噪闊值，對各子塊圖像中噪聲點進行判斷，計算塊內(nèi)的噪聲 污染程度;S8:匯總各子塊的噪聲污染程度并依次加權(quán)，得到樣本圖像的噪聲污染程度;S9: 根據(jù)噪聲污染程度，計算最終基于視覺掩蓋效應(yīng)的無參考圖像信噪比。
[0047]在本實施例中，所述步驟S3具體包括：設(shè)置圖像分塊的最小邊長dim(單位為像 素），也即當(dāng)所分子塊的長或?qū)捫∮赿im即停止分塊，并根據(jù)下式，結(jié)合圖像樣本尺寸(MXN) 計算出最高分塊級數(shù)Kmax :
[004引
[0049] 其中floor表示對結(jié)果負向取整，舍棄小數(shù)部分;min表示對所包含元素取最小值。
[0050] 所述步驟S4具體包括:在當(dāng)前分塊級數(shù)K未達到Kmax時，逐級判斷當(dāng)前所得子塊是 否需要進行進一步分塊;分塊方法源于化saka分塊（四叉樹分塊），但不再要求圖像的長和 寬均為2的整數(shù)次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊闊值選取能 夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級細分為 高低頻成分不同、對應(yīng)尺寸不同的子塊，W分塊大小代表了子塊圖像的不同頻率成分;其中 分塊尺寸越大表示塊內(nèi)頻率成分越低，反之分塊尺寸越小的表示塊內(nèi)頻率成分越高。
[0051 ]所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲得：
[0052]步驟a、當(dāng)K= 1時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行 等分，分為四個子塊;若邊長存在奇數(shù)的情況，遵循上小下大，左小右大的原則，將圖像的邊 分為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用W下公式 進行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊闊值，并進入 步驟b;對任意一圖像子塊f，其灰度值均方差公式為：
[0化3]
[0054] 其中，（i，j)為圖像子塊f中像素的行、列坐標(biāo);m、n分別為該圖像子塊的行、列像素 數(shù)目，即圖像塊的大小J'為該圖像塊的平均灰度值；
[0055] 步驟b、當(dāng)K〉1時，即進行后續(xù)層級分塊時，則計算當(dāng)前待分子塊的灰度值均方差， 與上一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照 步驟a中所述規(guī)則對當(dāng)前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分 塊的分塊闊值，直到分塊進行至第Kmax級。
[0056] 所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據(jù)其各塊尺寸，計算該子塊 中噪聲污染對于整幅樣本灰度圖像的加權(quán)值、；圖像子塊噪聲加權(quán)值的計算方法是采用該 子塊較小邊的邊長，取其W2為底的對數(shù)，即
[0化7] 、= l〇g2(min(m,n))。
[0058] 所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進行梯度 值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設(shè)為該圖像的檢噪 闊值，用于后續(xù)的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任一像素 點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線梯度； 對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度值與其 八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩像素點 (A、B)灰度值求差取絕對值，最后將運兩部分結(jié)果求差后再取絕對值即為該像素點在該方 向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。
[0059] 所述步驟S7具體包括:根據(jù)步驟S6中所提出的像素點的四個方向梯度的計算方 法，得到步驟S4所分各子塊內(nèi)像素點的梯度情況，統(tǒng)計其各點與檢噪闊值之間的關(guān)系，進而 對各子塊內(nèi)的噪聲污染程度進行計算；
[0060] 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度 中值為0的個數(shù);若像素點存在兩個及W上的方向梯度值不為0,則該像素點為疑似噪聲點； 反之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟 S6所得檢噪闊值，則確定該像素點為噪聲點；
[0061] 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內(nèi)所有噪聲點 的非零方向梯度值的最小值與檢噪闊值分別求差再求和，其結(jié)果即為該圖像塊的噪聲污染 程度，記為Gi。
[0062] 所述步驟S8具體包括:根據(jù)步驟S7所求各子塊的噪聲污染程度Gi W及步驟S5所求 各子塊的噪聲加權(quán)值、，將兩者對應(yīng)相乘求和再除W樣本圖像的總像素點數(shù)，得到整幅圖 像的噪聲污染程度G，即：
[0063]

[0064] 所述步驟S9具體包括:根據(jù)步驟S8所得整幅圖像的噪聲污染程度G結(jié)合樣本灰度 圖像的灰度級數(shù)1，求出最終結(jié)果一基于掩蓋效應(yīng)的無參考圖像信噪比NRPSNR，計算公式如 下：
[00 化]
[0066]最后說明的是，W上優(yōu)選實施例僅用W說明本發(fā)明的技術(shù)方案而非限制，盡管通 過上述優(yōu)選實施例已經(jīng)對本發(fā)明進行了詳細的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可W在 形式上和細節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。
【主權(quán)項】
1. 一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其特征在于：該方法包括 以下步驟： si:獲取數(shù)字全息樣本圖像； S2:針對樣本圖像進行灰度化處理，得到樣本灰度圖像； S3:針對樣本灰度圖像進行分塊預(yù)處理，設(shè)置圖像的最小分塊尺寸，結(jié)合圖像尺寸與最 小分塊尺寸，計算分塊進行的最多層級數(shù)； S4:采用基于Hosaka分塊原理的分塊方法對樣本灰度圖像逐級計算分塊閾值并分塊； S5:根據(jù)分塊結(jié)果，由各子塊圖像尺寸計算得到各子塊的噪聲權(quán)值； S6:計算樣本灰度圖像的平均梯度值，作為檢噪閾值； S7:根據(jù)檢噪閾值，對各子塊圖像中噪聲點進行判斷，計算塊內(nèi)的噪聲污染程度； S8:匯總各子塊的噪聲污染程度并依次加權(quán)，得到樣本圖像的噪聲污染程度； S9:根據(jù)噪聲污染程度，計算最終基于視覺掩蓋效應(yīng)的無參考圖像信噪比。2. 根據(jù)權(quán)利要求1所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S3具體包括:設(shè)置圖像分塊的最小邊長dim(單位為像素），也即當(dāng)所分 子塊的長或?qū)捫∮赿im即停止分塊，并根據(jù)下式，結(jié)合圖像樣本尺寸(MXN)計算出最高分塊 級數(shù)Kmax: Kmax=min(floor(log2M-log2dim)，floor( log2N-log2dim)) 其中floor表示對結(jié)果負向取整，舍棄小數(shù)部分;min表示對所包含元素取最小值。3. 根據(jù)權(quán)利要求1所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S4具體包括:在當(dāng)前分塊級數(shù)K未達到K max時，逐級判斷當(dāng)前所得子塊是 否需要進行進一步分塊;分塊方法源于Hosaka分塊（四叉樹分塊），但不再要求圖像的長和 寬均為2的整數(shù)次方，適用于任意尺寸的圖像，分塊也不再受限于正方形;分塊閾值選取能 夠反映圖像成分頻率高低的灰度值均方差;分塊目的在于將整幅樣本灰度圖像逐級細分為 高低頻成分不同、對應(yīng)尺寸不同的子塊，以分塊大小代表了子塊圖像的不同頻率成分;其中 分塊尺寸越大表示塊內(nèi)頻率成分越低，反之分塊尺寸越小的表示塊內(nèi)頻率成分越高。4. 根據(jù)權(quán)利要求3所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S4中，所述對樣本灰度圖像進行逐級分塊，分別通過如下步驟獲得： 步驟a、當(dāng)K=I時，即進行第一級分塊時，直接將圖像進行十字等分，即將長寬進行等 分，分為四個子塊;若邊長存在奇數(shù)的情況，遵循上小下大，左小右大的原則，將圖像的邊分 為相差1個像素點的兩段;并對所分得的四個子塊中的像素灰度值均方差采用以下公式進 行計算，進一步求得四塊的平均均方差，作為各子塊進行下一級分塊的分塊閾值，并進入步 驟b;對任意一圖像子塊f，其灰度值均方差公式為： __ EE1ISL1Cfai)-!)2 MSb = --^^ m X η 其中，（i，j)為圖像子塊f中像素的行、列坐標(biāo);m、n分別為該圖像子塊的行、列像素數(shù) 目，即圖像塊的大小，f為該圖像塊的平均灰度值； 步驟b、當(dāng)K>1時，即進行后續(xù)層級分塊時，則計算當(dāng)前待分子塊的灰度值均方差，與上 一級所得平均灰度值均方差進行對比，若小于則不再進一步分塊，反之若大于則按照步驟a 中所述規(guī)則對當(dāng)前子塊進行分塊，并將所分子塊的平均灰度值均方差作為下一級分塊的分 塊閾值，直到分塊進行至第Kmax級。5. 根據(jù)權(quán)利要求1所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S5具體包括:對于步驟S4分塊所得的子塊，根據(jù)其各塊尺寸，計算該子 塊中噪聲污染對于整幅樣本灰度圖像的加權(quán)值λ 1;圖像子塊噪聲加權(quán)值的計算方法是采用 該子塊較小邊的邊長，取其以2為底的對數(shù)，即 Ai = l〇g2(min(m，n)) 〇6. 根據(jù)權(quán)利要求1所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S6具體包括:針對樣本灰度圖像，將其除邊界外的所有像素點進行梯度 值的計算，并對得到的所有梯度值求平均，得到整幅圖像的平均梯度值，設(shè)為該圖像的檢噪 閾值，用于后續(xù)的噪聲檢測;對于像素梯度值的計算，樣本灰度圖像中（除邊界)的任一像素 點都具有八鄰域，存在四個方向梯度:橫向梯度、縱向梯度、主對角線梯度、反對角線梯度； 對于某一像素點任一方向上的方向梯度計算都遵循如下方法:首先將該像素點灰度值與其 八鄰域中該方向上兩像素點(A、B)灰度值分別求差取絕對值后再求和，然后再將兩像素點 (A、B)灰度值求差取絕對值，最后將這兩部分結(jié)果求差后再取絕對值即為該像素點在該方 向上的方向梯度;取四個方向梯度中的最小值作為該像素點的梯度值。7. 根據(jù)權(quán)利要求6所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S7具體包括:根據(jù)步驟S6中所提出的像素點的四個方向梯度的計算方 法，得到步驟S4所分各子塊內(nèi)像素點的梯度情況，統(tǒng)計其各點與檢噪閾值之間的關(guān)系，進而 對各子塊內(nèi)的噪聲污染程度進行計算； 在步驟S7中，針對噪聲點的判斷方法，采用對于某一像素點，判斷其四個方向梯度中值 為〇的個數(shù);若像素點存在兩個及以上的方向梯度值不為〇，則該像素點為疑似噪聲點；反 之，則為非噪聲點;對疑似噪聲點作進一步判斷，若其非零方向梯度值的最小值大于步驟S6 所得檢噪閾值，則確定該像素點為噪聲點； 在步驟S7中，針對圖像塊中噪聲污染程度的計算方法采用的是將塊內(nèi)所有噪聲點的非 零方向梯度值的最小值與檢噪閾值分別求差再求和，其結(jié)果即為該圖像塊的噪聲污染程 度，記為Gi。8. 根據(jù)權(quán)利要求7所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S8具體包括:根據(jù)步驟S7所求各子塊的噪聲污染程度Gi以及步驟S5所 求各子塊的噪聲加權(quán)值\，將兩者對應(yīng)相乘求和再除以樣本圖像的總像素點數(shù)，得到整幅 圖像的噪聲污染程度G，即： p _ Σ.祕 ^ ~ um"9. 根據(jù)權(quán)利要求7所述的一種針對數(shù)字全息圖噪聲干擾的實時客觀質(zhì)量評價方法，其 特征在于:所述步驟S9具體包括:根據(jù)步驟S8所得整幅圖像的噪聲污染程度G結(jié)合樣本灰度 圖像的灰度級數(shù)1，求出最終結(jié)果一基于掩蓋效應(yīng)的無參考圖像信噪比NRPSNR，計算公式如 下： NRPSNR = IOiogi0
【文檔編號】G06T7/00GK106023150SQ201610300187
【公開日】2016年10月12日
【申請日】2016年5月9日
【發(fā)明人】羅洪艷, 朱子巖, 林臻, 林睿, 林亞君
【申請人】重慶大學(xué)