[发明专利]基于早期视觉的部分参考图像质量评价方法

说明书

技术领域

本发明属于客观图像与视频质量评价领域，具体涉及一种基于早期视觉的部分参考图像质量评价方法。

背景技术

图像信息是人类认识世界的重要知识来源。科学统计表明，在人类从外界获得的信息中有70％是通过眼睛获得的。而数字图像处理技术也越来越成为科学各个领域中必不可少的技术手段，其应用包括军事领域、空间技术、工业生产、显微图像、天文地质、医学诊断、体育裁判等广泛的领域，从而使得数字图像质量的评价成为一个备受关注的技术。

传统的图像/视频质量评价方法可分为主观评价和客观评价两大类。主观评价是人眼直接对图像的质量进行测试得出关于图像质量的主观评价，是一种比较可靠的评价方式。通常该方法按照ITU-R BT.500-11标准所描述的方法进行：在密闭的受控环境中播放含有自然内容和自然运动的测试场景，有非专家的测试者根据自己对图像质量的感受给出差值平均主观计分或DMOS(Difference Mean Opinion Score)。该方法可以产生一致的主观评分，可信度较高，比较直观，但是它对测试环境要求较高，过程复杂。此外，主观评价方法也无法实现在线图像/视频质量评价。而客观评价方法根据图像/视频自身的内容得到关于图像失真的描述，易于实现在线的图像质量评价，可方便的用于系统优化、视频定价、实时监控等多种场合。

客观图像质量评价的目的是使计算机模仿人类视觉的功能，对得到的图像质量进行评价而得到与主观评价相一致的结果。现有的客观图像质量评价方法根据其对参考图像的依赖程度可以分为三类：(1)全参考(FR：Full Reference)模型：需要参考图像的全部信息与测试图像进行一一对应；(2)部分参考(RR：Reduced Reference)模型：只需要参考图像的部分特征信息与测试图像的特征信息进行质量估计；(3)无参考(NR：No Reference)模型：不需要参考图像的任何信息，只根据测试图像的自身特征进行质量估计。

目前传统的全参考模型有PSNR、MSE、SNR等。它们之所以被广泛应用是由于其计算简单，物理意义明确，但是它们的评价结果与主观评价的结果很不一致，于是就出现了一些新的方法。基于HVS的图像质量评价方法如JNDmetrix。1997年美国的Sarnoff实验室提出的JNDmetrix模型(SarnoffCorporation，“JNDmetrix Technology，”http://www.sarnoff.com/productsservices/video vision /jndmetrix/.)，通过对人类视觉系统的深入研究，该模型对差异图像中的人类视觉可感知部位进行测量，得到基于人类视觉的图像质量评价方法，且已经被Tektronix公司应用于实际的测量设备——图像质量分析系统(PQA300)中，然而这种方法需要将原始图像通过一个无失真的信道传输或预先存贮在系统中，计算量大且对精度要求高。基于图像结构信息的评价方法如SSIM。美国LIVE实验室提出SSIM算法。该算法利用图像相邻像素之间的相关性度量图像中结构信息的退化，将亮度失真、对比度失真和结构失真综合得到图像质量的评价结果，与DMOS有很好的一致性(Zhou Wang and AlanC.Bovik，Image quality assessment：from error visibility to structural similarity，IEEE transaction on image processing，vol.13，No.4，April 2004)。另外基于图像统计特性的评价方法如IFC，VIF等。Hamid Rahim Sheikh和Alan C.Bovik利用NSS(Natural Scene Statistics)模型描述图像中的信息，通过信号衰减和加性噪声描述图像在处理与传输过程中退化，用原始图像与失真图像之间的互信息刻画图像的保真度，得到了IFC(Information Fidelity Criterion)方法(Hamid RahimSheikh and Alan C.Bovik，An information Fidelity Criterion for image qualityassessment using natural scene statistics，IEEE transaction on imageprocessing，vol.14，No.12，Dec 2005)，在此基础上二人又增加了对视觉通道的加性白噪声的模型描述，计算原始图像与失真图像在该模型下的输出之间的互信息之比，得到了VIF(Visual Information Fidelity)的方法(Hamid Rahim Sheikh andAlan C.Bovik，Image information and visual quality，IEEE transaction on imageprocessing)。瑞士EPFL实验室通过将输入视频转化到对应的颜色空间，然后分别通过时间-空间的塔式分解，建立多个测量通道，最后将测量结果转换为误差可视图，得到了关于MEPG压缩视频流的质量评价方法(Christian J.van denBranden Lambrecht，Color moving pictures quality metric，http://ltswww.epfl.ch/`vdb/)。