[发明专利]无参考结构清晰度图像质量评价方法

权利要求书

1.一种无参考结构清晰度图像质量评价方法，其特征在于，包括步骤如下：

步骤S1：获取输入计算机的原始图像；对原始图像进行预处理，去除孤立噪声点对原始图像清晰度的影响，获取待评估原始图像；

步骤S2：通过低通滤波器为待评估原始图像构造参考图像；

步骤S3：对待评估原始图像和参考图像分别进行梯度运算，提取纹理结构信息丰富的子图向量；

步骤S4：计算对应子图向量间的结构相似度，得到各个子图向量的结构相似度；

步骤S5：利用得到的各个子图向量的结构相似度计算无参考结构清晰度，得到原始图像的质量评价指标无参考结构清晰度。

2.如权利要求1所述的方法，其特征在于，所述的低通滤波器为均值滤波器或者高斯平滑滤波器，滤波器的波门大小为5×5～9×9。

3.如权利要求1所述的方法，其特征在于，所述的对待评估原始图像进行梯度运算所使用的梯度滤波算子是Sobel算子，Sobel算子是提取水平和竖直两个方向的纹理梯度信息的算子，符合人眼对图像观测时的纹理提取过程。

4.如权利要求1所述的方法，其特征在于，纹理结构丰富的子图向量提取方法：对待评估原始图像的梯度图像进行分块，得到8×8大小分块，分块每次移动4个像素，相邻块有50％的重叠；计算待评估原始图像的梯度图像中每个子块的方差，提取其中方差最大的N块作为结果，提取出的子图向量记为X_i，i＝1，…，N；再在参考图像的梯度图像中对应位置提取子图向量Y_i，其中N的大小与原始图像的大小以及结构信息的丰富程度相关，N＝2^m，m＝4，5，6，7，8。

5.如权利要求1所述的方法，其特征在于，计算对应子图向量的结构相似度的步骤如下：

l(X,Y)=2μXμY+C1μX2+μY2+C1,]]>

c(X,Y)=2σXσY+C2σX2+σY2+C2,]]>

s(X,Y)=σXY+C3σXσY+C3,]]>

SSIM(X，Y)＝[l(X，Y)]^α·[c(X，Y)]^β·[s(X，Y]^γ，

其中l(X，Y)分别表示在待评估原始图像的梯度图像和c(X，Y)参考图像的梯度图像中对应位置的两个子图向量X，Y在亮度、对比度和s(X，Y)结构信息方面的相似性度量，SSIM为子图向量的结构相似度，α、β和γ是三个度量的权重，μ_X，μ_Y分别为X，Y的均值，σ_X，σ_Y分别为X，Y的标准差，σ_XY为X，Y的协方差，C₁，C₂，C₃是为了防止三个相似性度量分母为零所取的较小的常数。

6.如权利要求1所述的方法，其特征在于，所述的原始图像质量评价指标无参考结构清晰度NRSS计算公式如下：

NRSS=1-Σi=1NSSIM(Xi,Yi).]]>