[发明专利]一种基于多重分形谱的无参考图像质量评价方法

说明书

技术领域

本发明属于数字图像质量评价技术领域，涉及一种无参考型基于多重分形谱的图像质量客观评价方法。

背景技术

图像质量评价方法有两大类。1)主观评价方法。由观察者对图像质量进行评分。人是图像的最终使用者，主观质量评价是最为准确、可靠的图像质量评价方法。但是由于其耗时、昂贵，且易受实验环境、观察者的知识水平、喜好等自身条件等因素影响，评价结果往往不稳定，更不适用于实时系统。2)客观评价方法。具有简单、实时、可重复和易集成等优点，近几十年发展快速，成为图像质量评价体系中的研究热点。利用数学和工程方法对图像质量进行度量，弥补了主观评价方法的不足。由于人是图像的最终受体，客观评价与主观评价结果的一致越来越受到关注，且可作为一种客观评价方法好坏的衡量指标。结合图像自身特点和人类视觉系统的生理和心理特性的方法成为了当今研究的热点。

根据对原始图像信息的依赖程度，客观质量评价可分为3类。1)全参考，需要原始图像的所有信息；2)部分参考，需要原始图像的特征信息；3)无参考型，不需要原始图像。无参考方法不需要原始图像的任何信息，直接对失真图像进行质量评价。无参考型质量评估算法难点在于：图像特征难以定义和提取，人眼感知难以模型化表示。其优点是不需要传输原始图像，就能对失真图像进行质量评价。极大地减少了信息传输量。因此受到了很多人的关注，呈蓬勃发展之势。无参考方法一般都是基于图像统计特性。

基于数据训练的无参考评价方法无需分析失真的原因，而是将训练得到的数据直接作为图像质量评价的标准。它可应用于所有失真图像，使用范围广泛；但需要进行复杂的数据训练，且评价结果易受图像内容以及训练策略的影响。

基于分形维数质量评价方法在总结分形维数理论的基础上，提出了用分形作为指标来进行图像质量评价的方法。该类方法基于以下原理：人眼视觉系统的一个基本特征是局部对比的敏感性，即视觉只对视场中亮度或纹理发生显著变化的区域感兴趣，尤其是对图像边缘、轮廓信息的失真以及中高亮度背景中的纹理细节的变化较为敏感。由于自然界绝大多数自然景物具有分形特征，因此分形维数具有从非线性角度表征图像纹理的粗糙程度以及模式复杂性信息的特点。但是，现有的基于单一分形维数的方法存在以下缺陷：由于单一分形维数不能描述图像纹理变化的快慢，因此很多视觉差别很大的图像具有相似的单一分形维数。其他的基于分形理论的评价方法认识到这种缺陷，提出结合别的参数作为分形维数的补偿。但是也存在对于不同失真类型和不同失真强度的图像质量评价缺乏一致性的问题。

发明内容

本发明的目的，就是针对传统的基于单一分形的图像客观质量评价方法在测量直观性和准确性方面的不足，充分考虑多重分形谱中包含的多个(甚至无穷多)参量能完整地描述图像中包含的复杂分形细节，提供一种基于多重分形谱的全参考型图像质量客观评价方法。为实现上述目的，本方法具体包括以下步骤：

步骤(1)：输入参考图像R；

步骤(2)：对参考图像R进行灰度化处理，当参考图像R有边框时，裁剪掉边框；

步骤(3)：对步骤(2)处理后的图像的长和宽进行裁剪，使其像素成为64的整数倍，并分割成为64×64像素大小的图像碎片；

步骤(4)：对每一个图像碎片建立多重分形谱；

多重分形谱的建立步骤如下：

1)由于计算机存储的8位bmp格式图像的灰度有256阶，将Sums作为该图像碎片的所有像素点的灰度值相加得到的和，

Sums=Σi=164Σj=164aij]]>

其中aij表示第i行第j列的像素点的灰度值；

2)将图像碎片分割为边长w为2的小盒子，即大小为2×2的小盒子，总共可分成32×32共1024块小盒子，求每个小盒子的灰度值的和nLk，