一種基于多尺度梯度差分熵的圖像質(zhì)量評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像質(zhì)量評價技術(shù)領(lǐng)域，設(shè)及一種全參考圖像質(zhì)量評價方法，具體設(shè) 及一種基于多尺度梯度差分滴的圖像質(zhì)量評價方法，適用于圖像編碼質(zhì)量評價中。
【背景技術(shù)】
[0002] 據(jù)統(tǒng)計(jì)，人類接收到的70%信息來自于視覺。觀察圖像是人類認(rèn)識世界的有效途 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)明日常生活帶來了巨大的變化，并在醫(yī) 療、新聞、娛樂等多個領(lǐng)域占據(jù)著重要地位。而在圖像獲取、處理及傳輸?shù)倪^程中，圖像質(zhì)量 不可避免的會受到影響，出現(xiàn)失真（模糊失真、噪聲失真、編碼失真等），從而無法達(dá)到應(yīng)用 的要求。因此，如何評價圖像質(zhì)量的好壞是非常重要的。
[0003] 常用的圖像質(zhì)量評價方法包括主觀圖像質(zhì)量評價方法和客觀圖像質(zhì)量評價方法。 主觀圖像質(zhì)量評價方法主要是W人的主觀感受為主，具體方法是采用?？诘挠^察人員，根 據(jù)事先制定的準(zhǔn)則對一組圖像進(jìn)行判斷，最后對評判結(jié)果進(jìn)行加權(quán)求和得出最終的評價結(jié) 果。主觀評價方法耗時長，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圖像質(zhì)量評價方法。
[0004] 客觀圖像質(zhì)量評價方法包括全參考圖像質(zhì)量評價方法、部分參考圖像質(zhì)量評價方 法和無參考圖像質(zhì)量評價方法。全參考圖像質(zhì)量評價方法對原始圖像和失真圖像之間的 差異性進(jìn)行判斷，可W取得較好的評價效果。常用的全參考圖像質(zhì)量評價方法包括峰值信 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)量評價方法適用于不同失真類型圖像的質(zhì)量評價中。
[0005] 客觀圖像質(zhì)量評價方法是否有效的依據(jù)是看其客觀評價值與人類主觀觀測意 見的一致性。該一致性可W通過相關(guān)系數(shù)的大小來表示，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] 客觀圖像質(zhì)量評價方法的優(yōu)點(diǎn)是速度快、費(fèi)用低、應(yīng)用廣泛，不受主觀因素的影 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視覺特性，常常會出現(xiàn)與主 觀評價結(jié)果不一致的情況，不同的評價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)域的評價方法。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明針對現(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)量評價方 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)量評價方法， 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)行綜合評價。
[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 線性核，原始圖像和失真圖像的尺度空間分別通過對應(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)來確定；
[0016] 步驟2. 2 ;對不同尺度下的原始圖像和失真圖像通過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)算原始圖像對應(yīng)的灰度圖像均值；
[002引步驟3. 2 ;計(jì)算失真圖像對應(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)算原始圖像對應(yīng)的方差；
[0027] 步驟4. 2 ;計(jì)算失真圖像對應(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] 本專利中主要針對圖像編碼質(zhì)量評價的應(yīng)用需求，從人眼觀測特性出發(fā)，引入了 SIFT(ScaleInvariantFea1:ureTransform,SIFT)算法中的尺度空間的概念，通過提取尺 度空間下的輪廓特征差異，建立一種與人的主觀感受較為吻合的圖像質(zhì)量評價方法。
[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)膜上的形成過程，因此通過提取尺度空間下的輪廓特 征，并通過滴來反映原始圖像和失真圖像在尺度空間下輪廓特征的差異，與主觀評價結(jié)果 具有較好的一致性。
【附圖說明】
[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)施示例僅用于說明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0037] 請見圖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)量評價方法，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 線性核，原始圖像和失真圖像的尺度空間可W分別通過對應(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，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個不同的高斯卷積核，分別為：
[0052] 通過上述4個高斯卷積核，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，也就是說在原圖的水平方向和垂直方 向每隔T取一個像素，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時的采樣方法示意圖如圖4所示。通過步驟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)