[发明专利]一种基于Contourlet变换的质降参考图像质量评价方法

说明书

技术领域

本发明涉及一种图像质量评价技术，尤其是涉及一种基于Contourlet变换的质降参考图像质量评价方法。

背景技术

随着图像处理与压缩技术的快速发展，如何更加有效地评价一幅图像视觉质量的好坏，进而比较各种处理或压缩算法的优劣已经成为图像处理与压缩领域的一个研究热点。图像质量评价算法主要有主观和客观质量评价算法两类，主观质量评价算法由于需要许多评估者参与且需按复杂程序和步骤进行，存在耗时长、费用高，评价结果易受评估者、测试条件和测试环境的影响，稳定性、可移植性差等缺点，因此在图像质量评价领域应用较少。目前，对图像质量评价算法的研究主要集中在客观质量评价算法上。

客观质量评价算法是通过图像质量客观评价模型来实现的，图像质量客观评价模型主要有全参考模型和无参考模型两大类。全参考模型需要利用参考图像(即原始图像)作为参照，以获得待评价的测试图像(即失真图像)的质量分数，但在实际应用中，参考图像的不可访问性限制了全参考模型的应用。无参考模型仅对待评价的测试图像进行分析，不用借助参考图像的信息，不需要校正过程，与全参考模型相比更加灵活。由于无参考模型无需借助参考图像，从理论上来说，无参考模型有效地解决了全参考模型存在的实际问题，然而，无参考模型的设计难点在于其是根据待评价的测试图像内容来区分失真程度，如目前大多数已有的无参考模型只能针对特定的感兴趣内容或者特定的失真类型进行评价，且容易混淆各种失真类型。无参考模型在实际应用中必须明确失真图像的失真过程，以选用相应的无参考模型。

为解决上述全参考模型和无参考模型这两种图像质量客观评价模型存在的缺点，相关研究人员提出了质降参考模型，它可看作全参考模型和无参考模型的一种折衷。质降参考模型仅需要获得参考图像很少的信息，作为特征参数，通过特殊的信道发送到接收端，即可度量测试图像的质量分数。特征提取环节是质降参考模型的核心部分。如何用少量的参数高效表征图像的特性，且反映各种失真类型之间的差异性，进而提高模型输出值与主观评价结果的相关性，是质降参考模型的要点。

发明内容

本发明所要解决的技术问题是提供一种基于Contourlet变换的质降参考图像质量评价方法，该方法对参考图像的视觉质量要求不高，通过比较参考图像和测试图像之间纹理结构信息的相似度就能得到能够客观反映图像处理或压缩对图像质量变化的影响的图像质量评价结果。

本发明解决上述技术问题所采用的技术方案为：一种基于Contourlet变换的质降参考图像质量评价方法，包括以下步骤：

(1)、定义图像质量评价中用于参照的原始图像为参考图像，能够获得参考图像的一方称为发送端；定义原始图像经失真过程后得到的失真图像为测试图像，获得测试图像的一方称为接收端；

(2)、在发送端，利用公知的Contourlet变换算法对参考图像进行M级Contourlet变换，获得参考图像的Contourlet变换系数集合在接收端，利用公知的Contourlet变换算法对测试图像同样进行M级Contourlet变换，获得测试图像的Contourlet变换系数集合其中，为参考图像经M级Contourlet变换后获得的Contourlet变换域第m级第n个子带的变换系数矩阵，为测试图像经M级Contourlet变换后获得的Contourlet变换域第m级第n个子带的变换系数矩阵，和具有相等的列数和行数，m＝1，2，…，M，M为参考图像或测试图像进行M级Contourlet变换所获得的Contourlet变换域分辨率最高的级，n为参考图像或测试图像的Contourlet变换域中分辨率相同的同级子带的编号，当m>1时，n＝1，2，…，2^m+1，当m＝1时，n＝0，1，…，4，当m＝1且n＝0时表示该子带为低频子带，当m≥1且n≠0时表示该子带为高频子带；

(3)、在发送端，选取参考图像的Contourlet变换域子带，并统计所选的这些子带的变换系数矩阵的统计特征值，然后将统计特征值通过质降参考信道发送到接收端；

(4)、在接收端，根据接收到的由发送端发送的参考图像的Contourlet变换域所选子带的变换系数矩阵的统计特征值，统计与参考图像的Contourlet变换域所选子带相对应的测试图像的Contourlet变换域子带的变换系数矩阵的统计特征值；