[发明专利]一种基于像素类型的结构类似性图像质量客观评价方法

说明书

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种基于像素类型的梯度结构类似性图像质量客观评价方法。

背景技术

图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视觉的实体。人类从外界获得的信息约有75％是从图像中获得的，这既说明图像信息量巨大，也表明人类对图像信息有较高的利用率。随着信号处理理论和计算机科学技术的发展，图像工程也成为一门内容丰富且发展迅速的学科。一个图像(处理和分析)系统包括图像的采集、显示、存储、通信、处理和分析。它广泛地应用于国民经济中的各个领域，如：科学研究、工业生产、医疗卫生、教育、娱乐、管理和通信等领域，对推动社会发展，改善人们生活水平都起到重要的作用。

在数字图像处理的各种技术中数字图像在获取、压缩、储存、传输和重建处理等过程中可能会受到各种各样的失真，不可避免地出现图像质量退化的问题。如何有效地评价图像质量的问题成为了一个重要的研究课题，对现实的意义巨大。

最佳的图像质量评价方式自然是人眼的主观评价。但是一旦有人参与，这种方法便受到评价者自身能力、观察环境以及观测者的心理因素等影响，另外，主观评价比较耗时、复杂，并且比较昂贵，在工程应用中难以较好地运用。而客观评价方法的目标是自动化地获取图像质量的量化指标，由于其客观性、快速性等特点决定了它在实际应用中有着巨大的价值。图像质量客观评价方法在定义上来讲简单易行，能较好确定图像之间的差别，但是一般的模型难以与人的视觉系统相媲美，无法考虑到很多人眼视觉系统的因素，这也是导致客观评价方法的评价结果很多时候无法与人眼主观评价的结果相吻合。如何建立更符合人眼视觉系统的图像质量客观评价方法也是目前图像处理界的难题之一。

目前最为常用的客观评价方法如均方无差(Mean Square Error：MSE)、峰值信噪比(Peak Signal to Noise ratio：PSNR)、信噪比(Signal-to-NoiseRatio：SNR)等。这些是全参考型的图像质量评价手段，对尺寸为M、N的图像f(m，n)，MSE与PSNR定义为：

MSE=1MNΣi=1MΣj=1N(fij-fij′)2]]>

PSNR=10log(255MSE)2]]>

其中f_ij、f′_ij分别表示参考图像和评价图像，M，N分别表示图像的高与宽。MSE越小、PSNR越大，效果越好。但是其只是简单的衡量图像之间的灰度差异或者信号与噪声的关系，在不同的图像退化条件下缺乏稳定性。

较新的最好算法是2004年Wang Zhou等人提出的SSIM(StructuralSimilarity)算法，其考虑到人眼最为关注的是景象的结构形态这个先验，所以取得了不错的效果，但其对于模糊程度稍大，噪声稍大、振铃波纹稍多的图像评价就显得无能为力了。

传统的方法将图像所有的像素等权重地运算处理，没有考虑不同区域的像素人眼的兴趣是不同的，因此往往效果很差。

发明内容