基于多尺度分解的壓縮圖像質(zhì)量無參評估方法
【專利摘要】本發(fā)明公開了一種基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，該方法首先，提取壓縮圖像的邊緣像素，采用非下采樣的輪廓波變換，構(gòu)建圖像邊緣漸變特征因子；其次，對壓縮圖像進(jìn)行離散余弦變換(DCT)，獲得的圖像平滑特征因子；最后，將圖像邊緣漸變特征因子和圖像的平滑特征因子融合，得到壓縮圖像無參質(zhì)量評估的評價值公式，實現(xiàn)對壓縮圖像無參質(zhì)量評估。本發(fā)明采用圖像邊緣漸變特征因子與圖像平滑特征因子進(jìn)行融合，得到該壓縮圖像無參質(zhì)量評估的評價值，綜合反映了圖像壓縮導(dǎo)致的結(jié)構(gòu)失真和平滑失真，因此能有效地評價壓縮圖像的質(zhì)量，當(dāng)圖像被低通濾波或裁減時，仍可有效反映圖像這兩方面的失真情況，因此還提高了圖像質(zhì)量評估的魯棒性。
【專利說明】基于多尺度分解的壓縮圖像質(zhì)量無參評估方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種利用信號處理和計算機(jī)技術(shù)分解數(shù)字圖像內(nèi)容以便對壓縮圖像質(zhì)量進(jìn)行無參考評估的方法。
【背景技術(shù)】
[0002]由于壓縮圖像被廣泛地應(yīng)用，對壓縮圖像質(zhì)量進(jìn)行評估，有助于分析圖像質(zhì)量的優(yōu)劣、評價各類壓縮算法的性能。質(zhì)量評估中，根據(jù)是否有原始圖像作為參考，通常分為有參評估和無參評估。相比于有參質(zhì)量評估，數(shù)字圖像無參質(zhì)量評估不需要原始未壓縮圖像，因此具有更好的應(yīng)用價值。
[0003]常見的壓縮圖像多采用分塊的方式，對每一塊單獨進(jìn)行壓縮，在一定程度上造成了圖像塊與塊相鄰處有一定的差異，壓縮程度不同對圖像邊緣結(jié)構(gòu)也有較大影響。基于此，目前大多數(shù)針對壓縮圖像的質(zhì)量評估方法，假定在已知圖像分塊位置的前提下，通過分析圖像中的塊效應(yīng)或者邊緣變化的大小來判定壓縮程度并給出質(zhì)量評分。各種方法的評估方式不盡相同，可參閱如下論文:
1.S.Lee, J.P.Sang.〃A new image quality assessment method to detectand measure strength of blocking artifacts.〃 Signal Processing:1mageCommunication, Vol.27，N0.1，pp.31—38，2012.2.M.A.Saadj A.C.Bovicj A Two-Step Framework for Constructing BlindImage Quality Indices, IEEE Signal Processing letters, Vol.17，N0.5，May.2010，pp.513- 516.3.C.H.Yim and A.C.Bovikj Quality Assessment of Deblocked Images, IEEETransactions on Image Processing, Vol.20，N0.1，Jan.2011，pp.88—98
4.Z.Wang, A.C.B`ovikj B.L Evan, Blind Measurement of Blocking Artifactsin Images, IEEE International Conference on Image Processing, Vol.3，2000，pp.981-984
然而這些方法通常假定已知圖像的分塊位置，當(dāng)壓縮圖像經(jīng)過低通濾波、裁剪等處理后，圖像中的塊效應(yīng)減弱或分塊位置發(fā)生偏移，導(dǎo)致評價結(jié)果并不理想，即質(zhì)量評估的魯棒性較差。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的，在于提供一種基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，該方法根據(jù)圖像壓縮過程中出現(xiàn)的失真，可對壓縮圖像的質(zhì)量進(jìn)行準(zhǔn)確評估，并能提高圖像質(zhì)量無參評估的魯棒性。
[0005]為達(dá)到以上目的，本發(fā)明采用如下方案:
基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，首先，提取壓縮圖像的邊緣像素，采用非下采樣的輪廓波變換，構(gòu)建圖像邊緣漸變特征因子；其次，對壓縮圖像進(jìn)行一維離散余弦變換(DCT)，獲得的圖像平滑特征因子；最后，將圖像邊緣漸變特征因子和圖像的平滑特征因子融合，得到壓縮圖像無參質(zhì)量評估的評價值公式，實現(xiàn)對壓縮圖像無參質(zhì)量評估，實現(xiàn)步驟如下:
(1)、提取壓縮圖像的邊緣像素，得到所有邊緣像素集合A及其相應(yīng)的坐標(biāo)集合A;對壓縮圖像的所有像素進(jìn)行三層非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標(biāo)集合Z7中所有元素，判斷邊緣像素集合A中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子;
(2)、將圖像進(jìn)行分塊，對每一圖像分塊中的行和列作一維離散余弦(DCT)變換，得到(DCT)變換系數(shù)，根據(jù)圖像塊中向量的一維(DCT)變換中行或列系數(shù)的數(shù)值，確定所有行或列方向平滑向量的個數(shù)，獲得圖像平滑特征因子；
(3)、對上述步驟(1)所述的圖像邊緣漸變特征因子與步驟(2)所述的圖像平滑特征因子進(jìn)行融合，得到該壓縮圖像無參質(zhì)量評估的評價值。
[0006]上述步驟(1)所述的提取壓縮圖像的邊緣像素，得到所有邊緣像素集合A和相應(yīng)的坐標(biāo)集合A對壓縮圖像的所有像素進(jìn)行非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標(biāo)集合K判斷邊緣像素集合A中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子，其具體步驟如下:
(1-1).將待測圖像進(jìn)行邊緣提取，得到邊緣像素集合A和相應(yīng)的坐標(biāo)集合K具體如下:
首先，采用sobel提取待測圖像各邊緣像素，將其邊緣像素記為，由各邊緣像素組成邊緣像素集合，記為E,將每一個邊緣像素所對應(yīng)的坐標(biāo)記為，由各坐標(biāo)組成坐標(biāo)集合F;
(1-2).將壓縮圖像中所有像素通過Harr低通濾波器，采用非下采樣輪廓波變換，將所有像素依次分解為第一層的高頻分量、第二層的高頻分量、第三層的高頻分量；
第一層的高頻分量作為輸入，通過pkval2濾波器進(jìn)行第一層的8個方向分解，得到第一層的高頻分量的分解系數(shù)，記為
【權(quán)利要求】
1.一種基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，其特征在于，該方法首先， 提取壓縮圖像的邊緣像素，采用非下采樣的輪廓波變換，構(gòu)建圖像邊緣漸變特征因子；其次，對壓縮圖像進(jìn)行一維離散余弦變換(DCT)，獲得的圖像平滑特征因子；最后，將圖像邊緣漸變特征因子和圖像的平滑特征因子融合，得到壓縮圖像無參質(zhì)量評估的評價值公式，實現(xiàn)對壓縮圖像無參質(zhì)量評估，實現(xiàn)步驟如下: (1)、提取壓縮圖像的邊緣像素，得到所有邊緣像素集合A及其相應(yīng)的坐標(biāo)集合A;對壓縮圖像的所有像素進(jìn)行三層非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標(biāo)集合Z7中所有元素，判斷邊緣像素集合A中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子; (2)、將圖像進(jìn)行分塊，對每一圖像分塊中的行和列作一維離散余弦(DCT)變換，得到(DCT)變換系數(shù)，根據(jù)圖像塊中向量的一維(DCT)變換中行或列系數(shù)的數(shù)值，確定所有行或列方向平滑向量的個數(shù)，獲得圖像平滑特征因子； (3)、對上述步驟(1)所述的圖像邊緣漸變特征因子與步驟(2)所述的圖像平滑特征因子進(jìn)行融合，得到該壓縮圖像無參質(zhì)量評估的評價值。
2.根據(jù)權(quán)利要求1所述的基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，其特征在于，上述步驟(1)所述的提取壓縮圖像的邊緣像素，得到所有邊緣像素集合A和相應(yīng)的坐標(biāo)集合A對壓縮圖像的所有像素進(jìn)行非下采樣輪廓波變換，根據(jù)相應(yīng)的坐標(biāo)集合A判斷邊緣像素集合A中每一元素屬于三層中的其中一層，由此構(gòu)建壓縮圖像邊緣漸變特征因子，其具體步驟如下: (1-1).將待測圖像進(jìn)行sobel邊緣提取，得到邊緣像素集合A和相應(yīng)的坐標(biāo)集合K具體如下: 首先，采用sobel提取待測圖像各邊緣像素，將其邊緣像素記為，由各邊緣像素組成邊緣像素集合，記為Ε,將每一個邊緣像素所對應(yīng)的坐標(biāo)記為，由各坐標(biāo)組成坐標(biāo)集合Z7， (1-2).將壓縮圖像中所有像素通過Harr低通濾波器，采用非下采樣輪廓波變換，將所有像素依次分解為第一層的高頻分量、第二層的高頻分量、第三層的高頻分量； 第一層的高頻分量作為輸入，通過pkval2濾波器進(jìn)行第一層的8個方向分解，得到第一層的高頻分量的分解系數(shù)，記為
3.根據(jù)權(quán)利要求2所述的基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，其特征在于，上述步驟(2)所述的將圖像進(jìn)行分塊，對每一圖像分塊中的行和列作一維離散余弦變換(DCT)，得到(DCT)變換系數(shù)，根據(jù)圖像塊中向量的一維(DCT)變換中行或列系數(shù)的數(shù)值，確定所有行或列方向平滑向量的個數(shù)，獲得圖像平滑特征因子，其具體步驟如下: (2-1).將待測壓縮圖像分成8X8分塊，對每一圖像分塊中的各行或各列作一維離散余弦(DCT)變換，得到一維離散余弦(DCT)變換中行或列系數(shù)； (2-2).設(shè)置圖像塊中向量的一維DCT變換中行或列系數(shù)的數(shù)值，均為O的行或列作為圖像的平滑向量，分別統(tǒng)計圖像的行或列方向平滑向量的個數(shù)，記為爐和爐； (2-3).計算圖像的平滑特征因子，其表達(dá)式如下:
4.根據(jù)權(quán)利要求3所述的基于多尺度分解的壓縮圖像質(zhì)量無參評估方法，其特征在于，將上述步驟(1)所述的圖像邊緣漸變特征因子與步驟(2)所述的圖像平滑特征因子進(jìn)行融合，得到該壓縮圖像無參質(zhì)量評估的評價值，其表達(dá)式為: SCOKE=-1O·lg10(D·R)(3) 其中，SCOKE為圖像綜合質(zhì)量評估因子，D為圖像的平滑特征因子，R為邊緣漸變特征因子。
【文檔編號】H04N19/625GK103533344SQ201310464607
【公開日】2014年1月22日 申請日期:2013年10月9日 優(yōu)先權(quán)日:2013年10月9日
【發(fā)明者】錢振興, 王文文, 張新鵬 申請人:上海大學(xué)