[发明专利]基于多尺度边缘表达的图片质量评价方法

说明书

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种基于多尺度边缘表达的图片质量评价方法。

背景技术

图像质量评价技术在许多图像处理应用中具有非常重要的作用，如系统性能评价、图像增强、去噪及编码参数优化。图像质量评价方法根据是否能够得到原图可以分为三类：全参、半参及无参方法。全参方法通常使用整张原始图像、半参方法选择性使用原始图像的部分特征、而无参方法无需使用原始图像。近年许多研究者投入到利用计算机的图像质量评价方案的研究当中，但由于对人类视觉系统缺乏了解，图像质量评价任然是一项非常有挑战性的工作。

均方误差(MSE)和峰值性噪比(PSNR)尽管有时候与测试者的主观评分不是特别符合，但由于其简单性，MSE和PSNR仍然是目前最普遍的质量评价标准。研究者近年提出了许多全参图像质量评价方法，但仍然不像MSE和PSNR那样被广泛采用；而由于特征提取的复杂性，有效的半参图像质量评价方法被提出；无参图像质量评价方法则更难开发。

早期许多神经系统科学领域的工作，如D.Hubel等人在《Journal of Neuroscience》(神经科学期刊)第160卷的第106页至第154页发表的论文“Receptive Fields and Functional Architecture in the Cat’s Visual Cortex”和第195卷的第215页至第243页发表的论文“Receptive Fields and Functional Architecture of Monkey Striate Cortex”；以及计算机视觉领域的工作，如T.Lindeberg在《IEEE Trans.Pattern Analysis and Machine Intelligence》(IEEE模式分析与机器智能汇刊)第12卷第3期的第234页至第254页发表的论文“Scale-Space for Discrete Signals”和J.H.Elder等人在《IEEE Trans.Pattern Analysis and Machine Intelligence》(IEEE模式分析与机器智能汇刊)第20卷第7期的第699页至第716页发表的论文“Local scale control for edge detection and blur estimation”都表明多尺度分解技术比单尺度技术更好地模拟人类视觉系统的心理生理学机制，所以多尺度分解技术有望能在自然图像处理中取得更令人满意的效果。此外，一些研究工作，如J.H.Elder等人在《Vision Research》(视觉研究)第38卷第1期的第143页至第152页发表的论文“Evidence for boundary-specific grouping in human vision”表明人类视觉系统在感知表面属性及理解自然场景时严重依赖于边缘及轮廓。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于多尺度边缘表达的图片质量评价方法，该方法具有良好的性能，而且比广泛使用的峰值信噪比和简单的结构相似性方法性能更好。

为实现以上的目的，本发明提供一种基于多尺度边缘表达的图片质量评价方法，该方法根据人类视觉系统理解自然场景时对边缘和轮廓的严重依赖性，在小波域利用多尺度边缘表达进行图像质量评价：首先在多尺度上计算图像小波变换得到小波因子的模及幅角，然后再计算原图和失真图小波因子模的结构相似性，即多尺度模相似算法来进行图像的质量评价；或者由小波因子模的局部极大值得到图像的多尺度边缘表达，计算多尺度边缘的结构相似性，即多尺度边缘相似算法来进行图像的质量评价。

该方法具体包括以下步骤：