基于視覺注意力的圖像質量檢測方法
【技術領域】
[0001] 本發(fā)明涉及一種圖像質量檢測方法，尤其是一種基于視覺注意力的圖像質量檢測 方法，其能夠運用計算模型盡可能地模擬人類主觀意識進行圖像質量的評估。
【背景技術】
[0002] 目前，對圖像質量進行客觀評價的方法有多種，包括PSNR、SSM、VIF、SEDLAI和 IGM等。但是，這些現(xiàn)有方法均存在與人類視覺系統(tǒng)（即HumanVisualSystem，簡稱HVS) 的主觀評價結果不相符的缺陷。
[0003] 以VIF(即視覺信息保真度，VisualInformationFidelity，簡稱VIF)法為例。
[0004] VIF最初應用于自然感圖像質量評價，依賴于自然場景統(tǒng)計模型、圖像信號失真通 道和人眼視覺失真模型。如圖1所示的VIF評價模型示意圖，VIF評價模型需滿足以下假 設：⑴圖像源的統(tǒng)計分布滿足GSM(S卩GaussianScaleMixture，簡稱GSM)模型；（2)圖 像小波域系數(shù)不相關，各小波子帶相互獨立；(3)人眼視覺失真解釋為內部神經元的噪聲 特性；(4)輸入信號（參考圖像系數(shù)）和輸出信號（失真圖像系數(shù)）均已知。
[0005] 即VIF評價模型中假設輸入圖像、圖像失真通道、失真圖像模型均是精確的，利用 I(C;E|z)和I(C;F|z)分別表示人眼能夠理想的從輸入圖像和失真圖像特定子帶中提取的 信息。I(C;E|z)解釋為輸入圖像信息內容，I(C;F|z)解釋為輸入圖像和失真圖像的互信 息值。該值在視覺上從失真圖像相對于輸入圖像中出現(xiàn)的信息內容中提取，由于各小波子 帶相互獨立，則兩種信息測量的比例能夠擴展到多個子帶，
分 別是第k個子帶相應的互信息測量，其中k是子帶數(shù)，VIF指標可表示為：
[0007] 圖像信息質量檢測目的是運用計算模型盡可能地模擬主觀意識進行圖像質量的 評估。而現(xiàn)有的圖像信息質量檢測方法尚不能獲得與人類主觀評測最為一致的結果。

【發(fā)明內容】

[0008] 為了克服現(xiàn)有技術的上述缺陷，本發(fā)明目的在于提供一種基于視覺注意力的圖像 質量檢測方法，其能夠獲得與人類主觀評測更為一致的結果。
[0009] 為了達到上述目的，本發(fā)明提供的主要技術方案包括：
[0010] 一種基于視覺注意力的圖像質量檢測方法，其主要是在視覺信息保真度（VIF)方 法的基礎上，結合以方差為視覺決斷因素的圖像結構信息分析，來建立模擬人類視覺系統(tǒng) 對圖像的視覺注意力分布模型。
[0011] 本發(fā)明一個實施例的圖像質量檢測方法，其主要步驟包括：
[0012] S1、對圖像不同區(qū)域內的結構信息復雜度進行方差計算；
[0013] S3、依據(jù)不同圖像區(qū)域的結構信息復雜度方差對VIF方法加權計算；
[0014] S4、最終對比參考圖像評估圖像質量，以實現(xiàn)模擬人類視覺系統(tǒng)對圖像的主觀質 量評估。
[0015] 本發(fā)明一個實施例的圖像質量檢測方法，其中，步驟S1具體是：對圖像分塊處理， 并分別計算每塊圖像的像素點像素值方差。
[0016] 本發(fā)明一個實施例的圖像質量檢測方法，其中，一張圖片的方差是以下式表示 的：
[0017]
其中，Xi表示在圖像中i點的像素值，J表示一張圖片的平均像 素。
[0018] 上述任一種圖像質量檢測方法，其中，步驟S3之前，還包括步驟S2、根據(jù)設定的閾 值進行無用信息剔除操作。
[0019] 本發(fā)明一個實施例的圖像質量檢測方法，其中，步驟S3中，加權因子是以下式表 示的：
[0020]
其中，闕值T是根據(jù)最初的圖像方差平均值確定的，即T =又0，且入=0? 1。
[0021] 本發(fā)明一個實施例的圖像質量檢測方法，其中，對于i規(guī)模下的第j個區(qū)域，其權 重被定義為：
[0023] 本發(fā)明一個實施例的圖像質量檢測方法，其中，經方差加權的視覺信息保真度是 以下式表示的：
[0025] 其中，只有參考圖像（即原始圖像）與模糊圖像（即經過傳輸損耗的圖像）在同 一比例時可得到標準化權重。因此，計算權重時，參考圖像與模糊圖像在同一比例。
[0026] 基于前述方法，本發(fā)明相較現(xiàn)有技術的優(yōu)點是：本發(fā)明的圖像質量檢測方法，能夠 獲得與人類主觀評測更為一致的結果。
【附圖說明】
[0027] 圖1為現(xiàn)有技術中的VIF評價|旲型不意圖；
[0028] 圖2為本發(fā)明一個實施例的方法的整體流程圖；
[0029] 圖3為采用本發(fā)明的方法對一幅圖像中的不同區(qū)域進行選取及選取區(qū)域的局部 放大示意圖（其中，區(qū)域a的方差為4. 33,區(qū)域b的方差為66. 39);
[0030] 圖4為采用本發(fā)明的方法與采用現(xiàn)有技術中的方法分別得到的同一幅模糊圖像 中的DM0S相對客觀IQA算法的散點圖（其中，圖（a)為本發(fā)明的VVIF，圖（b)為現(xiàn)有的 VIF，圖（c)為現(xiàn)有的SSM，圖（d)為現(xiàn)有的PSNR，圖（e)為現(xiàn)有的SEDLAI，圖（f)為現(xiàn)有的 IGM) 〇
【具體實施方式】
[0031] 為了更好的解釋本發(fā)明，以便于理解，下面結合附圖，通過【具體實施方式】對本發(fā)明 作詳細說明。
[0032] 本發(fā)明的一種基于視覺注意力的圖像質量檢測方法，在使用視覺信息保真度 (VIF)方法的基礎上，增加了以方差為視覺決斷因素的圖像結構信息分析，并以此建立模擬 人類視覺系統(tǒng)對圖像的視覺注意力分布模型，將圖像分塊處理并通過分別計算每塊圖像的 結構信息復雜度方差，依據(jù)不同圖像區(qū)域的結構信息復雜度方差對VIF方法加權計算，最 終對比參考圖像評估圖像質量。本發(fā)明的方法可實現(xiàn)模擬人類視覺系統(tǒng)對圖像的主觀質量 評估，從而有效解決了傳統(tǒng)客觀圖形質量評估的低實用性和對主觀圖像質量評估的低一致 性問題。
[0033] 其中，本發(fā)明基于高斯混合模型（GMM)和視覺信息保真度（VIF)方法，通過"對圖 像不同區(qū)域內像素點像素值進行方差計算，并根據(jù)先驗知識設定的閾值進行無用信