基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法
【專利摘要】本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，包括步驟：步驟1，獲取樣本圖像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟2，基于步驟1獲取的數(shù)據(jù)，采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測模型；步驟3，根據(jù)待預(yù)測圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測模型即可獲得待預(yù)測圖像在不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡單，高效，無需消耗較大的硬件內(nèi)存，且預(yù)測準(zhǔn)確性良好；實(shí)現(xiàn)了圖像編碼前圖像編碼質(zhì)量的有效預(yù)測，可應(yīng)用于各種對圖像編碼質(zhì)量有著特定要求的應(yīng)用場合。
【專利說明】基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像數(shù)據(jù)傳輸方法，具體涉及一種基于差分熵和結(jié)構(gòu)相似性的圖像編 碼質(zhì)量預(yù)測方法。

【背景技術(shù)】
[0002] 為了能夠減少圖像數(shù)據(jù)的存儲空間和傳輸帶寬，對數(shù)字圖像進(jìn)行編碼是一種可行 的解決方法。圖像編碼技術(shù)已經(jīng)被廣泛應(yīng)用到多媒體、通信等多個領(lǐng)域，目前的靜止圖像編 碼方法主要包括JPEG2000、JPEG、SPIHT等多種編碼方法。JPEG2000作為新一代的圖像編 碼標(biāo)準(zhǔn)，在壓縮效率和功能上都遠(yuǎn)遠(yuǎn)超過了舊標(biāo)準(zhǔn)JPEG，是目前來說綜合性能最優(yōu)的編碼 方法。在JPEG2000中可以通過壓縮后的率失真優(yōu)化算法來精確簡單的控制比特率。目前， 國內(nèi)外關(guān)于JPEG2000的碼率控制算法研究已經(jīng)開展了大量的研究工作。由于這些算法的 實(shí)現(xiàn)往往要求完成整個小波變換過程及絕大部分的編碼過程，才能確定編碼的一些參數(shù)， 需要消耗較大的硬件內(nèi)存和計(jì)算時間。因此，編碼前就能夠?qū)幋a質(zhì)量進(jìn)行一定的預(yù)測對 于圖像編碼而言是非常有益的。
[0003] 作為最簡單的圖像編碼質(zhì)量評價方法，峰值信噪比（PSNR)模型簡單，計(jì)算方便， 成為廣泛應(yīng)用的方法。文獻(xiàn)[1，2]分析了在固定碼率下圖像編碼質(zhì)量與圖像活躍測量屬性 (IAMD)間的關(guān)系。文獻(xiàn)[3]提出了一種在較高壓縮倍數(shù)下的JPEG2000編碼質(zhì)量預(yù)測模型， 獲得了較好的預(yù)測效果。但是，PSNR忽略了圖像結(jié)構(gòu)之間的關(guān)聯(lián)性。
[0004] 文中涉及如下參考文獻(xiàn)：
[0005] [1]An analysis on the effect of image features on lossy coding performance[J]. IEEE Signal Processing Letters.
[0006] [2]How do image statistics impact lossy coding performance[C]. International Conference on Information Technology:Coding and Computing
[0007] [3]Compression Quality Prediction Model for JPEG2000[J]. IEEE Trans, on Image Processing.


【發(fā)明內(nèi)容】

[0008] 針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種考慮了圖像結(jié)構(gòu)間關(guān)聯(lián)性的、基于 差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法。
[0009] 為了解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：
[0010] 一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，包括步驟：
[0011] 步驟1，獲取樣本圖像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像 結(jié)構(gòu)相似性；
[0012] 步驟2,基于步驟1獲取的數(shù)據(jù)，采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分 熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測模型；
[0013] 步驟3,根據(jù)待預(yù)測圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測模型即可獲得待預(yù) 測圖像在不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性。
[0014] 步驟1進(jìn)一步包括子步驟：
[0015] 1. 1采用壓縮倍數(shù)可調(diào)的圖像編碼方法，在不同壓縮倍數(shù)下分別對樣本圖像進(jìn)行 圖像編碼和圖像解碼，獲得不同壓縮倍數(shù)下樣本圖像對應(yīng)的解碼圖像；
[0016] 1. 2獲得樣本圖像的圖像差分熵D_Entropy;
[0017] 1. 3在不同壓縮倍數(shù)下，獲得樣本圖像及其對應(yīng)的解碼圖像間的圖像結(jié)構(gòu)相似性 SSIM〇
[0018] 上述壓縮倍數(shù)可調(diào)的圖像編碼方法為JPEG2000、CCSDS、SPHIT或EZW圖像編碼方 法。
[0019] 步驟2進(jìn)一步包括子步驟：
[0020] 2. 1構(gòu)建圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系SSM = aD_Entropy+b ;
[0021] 2. 2在不同壓縮倍數(shù)下，根據(jù)樣本圖像的圖像差分熵和圖像結(jié)構(gòu)相似性數(shù)據(jù)，對圖 像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系進(jìn)行擬合，獲得不同壓縮倍數(shù)對應(yīng)的擬合參數(shù)a 和b;
[0022] 2. 3將不同壓縮倍數(shù)對應(yīng)的擬合參數(shù)a和b代入SSM = aD_Entropy+b，獲得不同 壓縮倍數(shù)對應(yīng)的圖像編碼質(zhì)量預(yù)測模型。
[0023]目前圖像編碼質(zhì)量評估方法需要對原始圖像進(jìn)行編解碼，并基于編解碼后的圖像 進(jìn)行編碼質(zhì)量評估，過程復(fù)雜，需要消耗較大的硬件內(nèi)存和計(jì)算時間，效率不高。本發(fā)明基 于樣本圖像構(gòu)建圖像差分熵和圖像結(jié)構(gòu)相似性間的關(guān)系，只要根據(jù)原始圖像的圖像差分熵 即可預(yù)測圖像結(jié)構(gòu)相似性，無需對原始圖像編解碼，即可實(shí)現(xiàn)圖像的編碼質(zhì)量預(yù)測。
[0024] 和現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和有意效果：
[0025] 簡單，高效，無需消耗較大的硬件內(nèi)存，且預(yù)測準(zhǔn)確性良好；實(shí)現(xiàn)了圖像編碼前圖 像編碼質(zhì)量的有效預(yù)測，可應(yīng)用于各種對圖像編碼質(zhì)量有著特定要求的應(yīng)用場合。

【專利附圖】

【附圖說明】
[0026] 圖1是本發(fā)明的具體流程圖；
[0027] 圖2為所構(gòu)建圖像數(shù)據(jù)庫D中圖像"D1"；
[0028] 圖3為所構(gòu)建圖像數(shù)據(jù)庫D中圖像"D2"。

【具體實(shí)施方式】
[0029] Zhou Wang 等人(Image Quality Assessment:from Error Visibility to Structural Similarity[J]. IEEE Transactions on Image Processing)提出了一種基于 結(jié)構(gòu)相似度的圖像質(zhì)量評價方法（SSIM)。本發(fā)明以SSIM作為圖像編碼質(zhì)量的評價指標(biāo)，以 圖像差分熵D_Entropy作為圖像編碼質(zhì)量預(yù)測模型的特征參數(shù)，建立不同壓縮倍數(shù)下SSIM 和D_Entropy間的關(guān)系，并進(jìn)通過圖像差分熵對不同壓縮倍數(shù)下圖像編碼的SS頂值進(jìn)行預(yù) 測。
[0030] 下面對本發(fā)明【具體實(shí)施方式】進(jìn)行詳細(xì)說明。
[0031] 本發(fā)明基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，具體步驟如下：
[0032] S1:獲得測試圖像序列的圖像差分熵和圖像結(jié)構(gòu)相似性。
[0033] 本步驟進(jìn)一步包括子步驟：
[0034] S11:選擇測試圖像序列，要求測試圖像間存在差異，且測試圖像與待預(yù)測圖像大 小相同。
[0035] 測試圖像可從圖像數(shù)據(jù)庫中選擇，常用圖像數(shù)據(jù)庫包括TID2008圖像數(shù)據(jù)庫 (TID2008-A database for evaluation of full-reference visual quality assessment metrics[J].Advances of Modern Radioelectronics)、CSIQ 圖像數(shù)據(jù)庫（Categorical Image Quality Database(CSIQ), http://vision.okstate.edu/csiq)和圖像數(shù)據(jù)庫 D(圖 像數(shù)據(jù)庫D為自行構(gòu)建）。
[0036] S12:采用壓縮倍數(shù)可調(diào)的圖像編碼算法，在不同壓縮倍數(shù)下對測試圖像依次進(jìn)行 圖像編碼、圖像解碼，從而獲得不同壓縮倍數(shù)對應(yīng)的解碼圖像序列。
[0037] 壓縮倍數(shù)可調(diào)的圖像編碼算法可以為JPEG2000、CCSDS、SPHIT或EZW等。
[0038] S13:計(jì)算測試圖像序列中各測試圖像的圖像差分熵。
[0039] 圖像差分熵D_Entropy的計(jì)算公式如下：

【權(quán)利要求】
1. 基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，其特征是，包括步驟： 步驟1，獲取樣本圖像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu) 相似性； 步驟2,基于步驟1獲取的數(shù)據(jù)，采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與 圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測模型； 步驟3,根據(jù)待預(yù)測圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測模型即可獲得待預(yù)測圖 像在不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性。
2. 如權(quán)利要求1所述的基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，其特征 是： 步驟1進(jìn)一步包括子步驟： 1. 1采用壓縮倍數(shù)可調(diào)的圖像編碼方法，在不同壓縮倍數(shù)下分別對樣本圖像進(jìn)行圖像 編碼和圖像解碼，獲得不同壓縮倍數(shù)下樣本圖像對應(yīng)的解碼圖像； 1. 2獲得樣本圖像的圖像差分熵D_Entropy ; 1.3在不同壓縮倍數(shù)下，獲得樣本圖像及其對應(yīng)的解碼圖像間的圖像結(jié)構(gòu)相似性 SSIM0
3. 如權(quán)利要求2所述的基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，其特征 是： 所述的壓縮倍數(shù)可調(diào)的圖像編碼方法為JPEG2000、CCSDS、SPHIT或EZW圖像編碼方法。
4. 如權(quán)利要求1所述的基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，其特征 是： 步驟2進(jìn)一步包括子步驟： 2. 1構(gòu)建圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系SSM = aD_Entropy+b ; 2. 2在不同壓縮倍數(shù)下，根據(jù)樣本圖像的圖像差分熵和圖像結(jié)構(gòu)相似性數(shù)據(jù)，對圖像差 分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系進(jìn)行擬合，獲得不同壓縮倍數(shù)對應(yīng)的擬合參數(shù)a和b ; 2. 3將不同壓縮倍數(shù)對應(yīng)的擬合參數(shù)a和b代入SSM = aD_Entropy+b，獲得不同壓縮 倍數(shù)對應(yīng)的圖像編碼質(zhì)量預(yù)測模型。
【文檔編號】H04N19/154GK104320661SQ201410594609
【公開日】2015年1月28日 申請日期:2014年10月29日 優(yōu)先權(quán)日:2014年10月29日
【發(fā)明者】田昕, 李松, 鄭國興, 周輝, 楊晉陵, 高俊玲 申請人:武漢大學(xué)