基于非線性歸一化的拉普拉斯-高斯信號(hào)的圖像質(zhì)量評價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，涉及一種圖像質(zhì)量全參考評價(jià)方法，具體涉及一種基 于非線性歸一化的拉普拉斯-高斯信號(hào)的圖像質(zhì)量評價(jià)方法。
【背景技術(shù)】
[0002] 圖像質(zhì)量評價(jià)（Image quality assessment, IQA)算法在圖像處理領(lǐng)域中都具有 廣泛的應(yīng)用，包括質(zhì)量監(jiān)控，圖像恢復(fù)和重建，算法設(shè)計(jì)與優(yōu)化，資源分配，參數(shù)估計(jì)，和感 知視頻編碼等。
[0003] 圖像質(zhì)量評價(jià)方法的研宄目前已經(jīng)取得了很多出色的成果。按照是否需要參考圖 像作為標(biāo)準(zhǔn)，圖像質(zhì)量評價(jià)方法可以分為三類。第一類是全參考型的圖像質(zhì)量評價(jià)方法，該 方法主要針對能夠獲得原始參考圖像全部信息的條件下使用，目前已經(jīng)有一些方法可以得 到與人類視覺系統(tǒng)高度相關(guān)的預(yù)測結(jié)果。第二類是無參考的圖像質(zhì)量評價(jià)方法，該方法主 要針對進(jìn)行圖像質(zhì)量評價(jià)時(shí)無法獲取相關(guān)原始參考圖像或者視頻序列的任何信息時(shí)設(shè)計(jì)。 由于信息量相比于第一種缺少很多，因而難度也較大。第三類是介于這二者之間的部分參 考型的圖像質(zhì)量評價(jià)方法。在這種情況下，對圖像質(zhì)量的評價(jià)可以借助于對原始圖像的不 完備的相關(guān)特征描述信息來進(jìn)行。本發(fā)明屬于全參考方法，下面將詳細(xì)介紹該類方法的研 宄現(xiàn)狀。
[0004] 對圖像質(zhì)量進(jìn)行評價(jià)需要三個(gè)方面的知識(shí)：自然圖像統(tǒng)計(jì)模型，用來描述圖 像本身；人類視覺系統(tǒng)中的處理機(jī)制，用來描述圖像在接受者中的被處理過程；圖像 退化通道模型，用來描述退化通道中圖像的處理過程。目前已有的全參考圖像質(zhì)量評 價(jià)方法可以按照所采取的方法不同分為兩類：自底向上，基于對真?zhèn)€人類視覺系統(tǒng)進(jìn) 行功能性建模的方法；和自上而下，基于對人類視覺系統(tǒng)中各個(gè)過程的處理進(jìn)行建模 的方法。在自底向上的方法中，其中具有代表性的工作包括早期（S.Daly，"Visible difference predictor:An algorithm for the assessment of image fidelity, ''Proc. SPIE, vol. 1616, pp. 2 - 15, 1992. ；J. Lubin, "A visual discrimination model for imaging system design and evaluation, " in Visual Models for Target Detection and Recognition, E. Peli, Ed. Singapore:World Scientific, 1995, pp. 245 - 283.；)以及 后來的 VSNR 模型（D. M. Chandler, S. S. Hemami, and S. Member, "VSNR: a wavelet-based visual signal-to-noise ratio for natural images. , " IEEE transactions on image processing, vol. 16, no. 9, pp. 2284 - 98, Sep. 2007.)和 MAD 模型（D. M. Chandler, "Most apparent distortion:full-reference image quality assessment and the role of strategy, " Journal of Electronic Imaging, vol. 19, no. I, p. 011006, Jan. 2010. )。其中MD模型在這些模型中取得最好的性能效果。而自上而下的模型，由于不用考 慮復(fù)雜的人類視覺處理機(jī)制，受到了廣發(fā)的關(guān)注。最經(jīng)典的模型是Z. Wang等人提出 的 SSIM 模型（Z. Wang, A.C. Bovik，H.R. Sheikh, and E.P. Simoncelli, "Image quality assessment:From error measurement to structural similarity, " IEEE Trans. Image Process. , vol. 13, no. 4, pp. 600 - 612, Apr. 2004.)，從圖像的局部亮度，對比度和 結(jié)構(gòu)三方面的相似度對失真圖像的質(zhì)量進(jìn)行評價(jià)，使得圖像質(zhì)量評價(jià)算法的性能得到很 高的提升。H. R. Sheikh與A. C. Bovik將信息理論引入到圖像質(zhì)量模型的構(gòu)造中來，提出 了基于自然圖像統(tǒng)計(jì)特性的圖像保真度測量模型IFC(H. R. Sheikh，A. C. Bovik，and G. de Veciana, "An information fidelity criterion for image quality assessment using natural scene statistics, "IEEE Trans. Image Process, vol. 14, no. 12, pp. 2117 - 2128, 2005.)，繼而通過引入視覺噪聲，對上述模型進(jìn)行了改進(jìn)，形成了 VIF方 法(H. R. Sheikh and A. C. Bovik, "Image information and visual quality, " IEEE Trans. Image Process.，vol. 15, no. 2pp. 430-444, Feb. 2006.)。在 SSIM 模型之后，有 出現(xiàn)了一系列性能更好的圖像質(zhì)量評價(jià)模型，包括基于信息量加權(quán)的IW-SSIM模型 (ff. Zhou, and Q. Li.''Information content weighting for perceptual image quality assessment.''Image Processing, IEEE Transactions on 20. 5 (2011) : 1185-1198.)，基 于相位一致性的 FSIM 模型（L. Zhang, L. Zhang, X. Mou, and D. Zhang, "FSIM:A Feature Similarity Index for Image Quality Assessment," IEEE TRANSACTIONS ON IMAGE PRO CESSING, vol. 20, no. 8, pp. 2378 - 2386, 2011.)，基于拉普拉斯-高斯信號(hào)的 L0G-C0R 模型 (X. Mou ；ff. Xue ；C. Chen and L. Zhang^LoG acts as a good feature in the task of image quality assessment", Proc. SPIE 9023, Digital Photography X，902313, 2014)和基于梯 度相似性偏差的 GMSD 模型（W.Xue，L. Zhang, X. Mou and A. Bovik, "Gradient Magnitude Similarity Deviation:A Highly Efficient Perc