[发明专利]无参考结构清晰度图像质量评价方法

说明书

技术领域

本发明属于图像处理领域，特别是图像质量评价领域，可用于成像质量检测、监视，成像系统参数控制，也可用于图像处理算法评估，图像处理算法参数优化，网络图像传输质量评估等。

背景技术

随着信息技术的发展，图像作为信息的载体正越来越受到重视。图像质量评价是图像处理领域的一个重要研究方向，可用于各类成像系统的成像质量检测，并指导成像系统的控制，使系统始终工作在最佳状态，也可用于各类图像处理算法的评估、参数优化等，使算法的综合输出结果达到最优，还可用于图像网络质量监控等等。

图像质量评价方法分为主观图像质量评价方法和客观图像质量评价方法。由于几乎所有图像的最终宿主都是人眼，所以主观图像质量评价方法能够给出最准确的图像质量结果，而客观图像质量评价方法的目标就是能够给出符合主观评价的图像质量评价结果。客观图像质量评价方法分三类：全参考图像质量评价方法是一种通过比较待评估图像与原始参考图像的差异来给出图像质量评价结果的方法，实际上是一种图像“保真度”的计算；部分参考图像质量评价方法没有参考图像，但是具有一些参考图像的特征组合作为先验信息，评价原理与前一种基本相同；而无参考图像质量评价方法是指在没有任何参考信息的情况下，对单帧图像的质量作出评价。大多数应用中，参考图像信息都是无法获得的，无参考图像质量评价方法是图像质量评价领域的研究重点和难点。但是，当前的各种无参考图像质量评价方法都计算复杂，而且输出范围不是有界的，所以我们无法从单帧图像的评价值得到图像的清晰度信息。

发明内容

解决技术的问题：为了克服当前的各种无参考图像质量评价方法存在的问题，本发明联系图像模糊的原因，结合成像系统的数学模型，提出了一种为待评估图像构造参考图像的方法，从而利用有参考图像的图像质量评价方法来进行无参考图像质量评价，最后提出了一种针对图像模糊的图像质量评价指标，无参考结构清晰度NRSS(No-Reference Structural Sharpness)。这个指标计算简单，而且输出有界，可以通过单帧图像的评价值获取图像清晰度信息。

本发明的技术方案：

为了实现所述目的，本发明提供的一种无参考结构清晰度图像质量评价方法的步骤如下：

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。

其中，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。

其中，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。

其中，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。

其中，计算对应子图向量的结构相似度的步骤如下：