[发明专利]一种基于小波域的半参考图像质量评价算法

说明书

技术领域

本发明涉及图像处理领域，是一种基于小波域的半参考图像质量评价算法。

背景技术

按照评价过程需要多少原始参考图像信息，客观图像质量评价方法可以分为三大类：全参考(Full-Reference，FR)图像质量评价法，半参考(Reduced-Reference，RR)图像质量评价法和无参考(No-Reference，NR)图像质量评价法。全参考图像质量评价算法需要参考图像的全部信息才能完成图像质量评价，相较于实际应用，更适合理论研究。无参考图像质量评价算法不需要参考图像的任何信息进行图像质量评价，最具实际应用价值，但发展不成熟。半参考图像质量评价算法只需要部分图像信息来进行图像质量评价，较全参考图像质量评价算法新颖，更适合实际应用。在20世纪90年代后期首次被提出，主要针对多媒体通信产业的一些特殊的实际应用，如复杂的通信网络中追踪视频或图像的质量变化情况、同时适用于在接收端无法获得原始图像或视频的全部数据的网络。目前，半参考图像质量评价算法和全参考图像质量评价相比，研究成果大多是基于图像多尺度几何分析的算法，例如基于自然统计模型的半参考图像质量评价和基于图像多尺度几何分析的半参考图像质量评价等。

由于小波分解具有局域性，对图像进行小波分解可以提取图像的局部信息，本发明在小波域上来研究半参考图像质量评价算法。

发明内容

本发明的目的在于根据质量评价算法模型，建立半参考图像质量评价算法。

为了实现上述目的，本发明的技术方案如下。

一种基于小波域的半参考图像质量评价算法，其特征在于按如下步骤进行：

(一)：分别对失真图像和参考图像进行2尺度小波分解；

(二)：分别提取参考图像和失真图像的特征向量CX_low(i)和CY_low(i)；

(三)：将失真图像特征向量CX_low(i)看成N维欧氏空间中的点CX_low[i]，参考图像特征向量CY_low(i)看成N维欧氏空间中的点CY_low[i]，计算图像质量评价标准D(X，Y)。

本发明的优点是：本发明的半参考图像质量评价算法和其它全参考图像质量评价算法相比，算法简单，物理意义清晰。

附图说明  图1是本发明流程图。

具体实施方式

图像小波分解由图像金字塔分解和二维快速小波变换滤波器组组成。

图像金字塔可对图像进行多尺度分析，是一系列以金字塔形状排列的分辨率逐渐降低的图像集合。

二维快速小波变换滤波器组可对图像进方向滤波，提取水平、垂直和对角线方向上的方向信息。

半参考图像质量评价算法的关键步骤在于特征向量提取，本发明根据图像小波分解原理对图像进行2尺度小波分解提取特征向量。

对图像进行小波分解后，可得到一个N维小波系数向量C，记为：C(i)＝|A(2)|H(2)|V(2)|D(2)|H(1)|V(1)|D(1)]，i＝1，2…N

上式中A(2)为第2个尺度上的低频小波系数，H(2)、V(2)和D(2)分别为第2个尺度上的水平方向、垂直方向和对角线方向上的高频小波系数，H(1)、V(1)和D(1)分别为第1尺度上的水平、垂直和对角线方向上的高频小波系数。

提取尺度2上的低频信息作为这些图片的特征向量，记为C_low(i)，C_low(i)＝A(2)＝C(i)，i＝1，2，…，n，上式中C_low(i)为n维特征向量，n为尺度2上低频小波系数的个数。