[发明专利]一种多视觉敏感特征相似度的全参考图像质量评价方法

权利要求书

1.一种基于多视觉敏感特征相似度的全参考图像质量评价方法，其特征在于包含以下步骤：

(1)输入参考图像和失真图像，对失真图像和参考图像提取多角度下的梯度特征。具体步骤如下：

对失真图像和参考图像分别采用0°，45°，90°，和135°方向的Sobel算子提取出梯度信息，采用如下公式：

S0=R⊗P0;S45=R⊗P45;S90=R⊗P90;S135=R⊗P135;]]>

T0=D⊗P0;T45=D⊗P45;T90=D⊗P90;T135=D⊗P135;]]>

其中D为失真图像，S为参考图像；P₀、P₄₅、P₉₀和P₁₃₅为0°，45°，90°，和135°方向的sobel算子；表示二维卷积运算；S₀、S₄₅、S₉₀和S₁₃₅分别是参考图像R经过0°，45°，90°，和135°方向的Sobel算子P₀、P₄₅、P₉₀和P₁₃₅卷积滤波后得到的图像；T₀、T₄₅、T₉₀和T₁₃₅分别是参考图像D经过0°，45°，90°，和135°方向的Sobel算子P₀、P₄₅、P₉₀和P₁₃₅卷积滤波后得到的图像；

(2)计算失真图像和参考图像提取的多角度梯度特征之间的相似度，采用如下公式：

G0(i,j)=2S0(i,j)T0(i,j)+cS0(i,j)2+T0(i,j)2+c]]>G45(i,j)=2S45(i,j)T45(i,j)+cS45(i,j)2+T45(i,j)2+c]]>

G90(i,j)=2S90(i,j)T90(i,j)+cS90(i,j)2+T90(i,j)2+c]]>G135(i,j)=2S135(i,j)T135(i,j)+cS135(i,j)2+T135(i,j)2+c]]>

(3)计算失真图像和参考图像提取的多角度梯度特征之间的相似度。采用如下公式：

将0°，45°，90°，和135°方向的梯度相似度合成最终的合成梯度相似度，采用公式如下：

G(i,j)=[G0(i,j)]α1[G45(i,j)]α2[G90(i,j)]α3[G135(i,j)]α4]]>

(4)对输入失真图像和参考图像提取相位特征，具体采用步骤和公式如下：

将失真图像D和参考图像S伸缩成像素为横向和纵向像素大小相等的图像D′和S′，对图像D′和S′进行二维离散傅里叶变换，并分别得到相位，具体采用公式如下：

其中Y₁(u，v)是图像D′的二维离散傅里叶变换系数；Y₂(u，v)是图像S′的二维离散傅里叶变换系数；和是Y₁(u，v)和Y₂(u，v)的相位；re(·)表示取实部运算，im(·)表示取虚部运算；

(5)计算图像D′和图像S′之间的相位相似度信息，计算公式如下：

最后采用二维傅立叶反变换将相位相似度信息转换到空域，并调整其大小到原始尺寸，得到空域相位相似度P(i，j)，其中(i，j)为图像中某一像素的位置；

(6)对输入失真图像和参考图像提取锐度特征，具体采用步骤和公式如下：

首先，计算失真图像和参考图像(i，j)像素为中心的3×3邻域的平均灰度值，采用计算公式如下：

D(i,j)‾=19Σu=-11Σv=-11D(i+u,j+v)]]>

R(i,j)‾=19Σu=-11Σv=-11R(i+u,j+v)]]>

然后，计算失真图像和参考图像(i，j)像素处的最大邻域灰度差值S(i，j)和T(i，j)，以最大领域灰度差值作为图像的锐度亮度，采用公式如下：

S(i,j)=max|D(i+u,j+v)-D(i,j)‾|,∀-1≤u≤1,-1≤v≤1]]>

T(i,j)=max|R(i+u,j+v)-R(i,j)‾|,∀-1≤u≤1,-1≤v≤1]]>

(7)对输入失真图像和参考图像之间计算锐度相似度，具体采用步骤和公式如下：

H(i,j)=2S(i,j)T(i,j)+cS(i,j)2+T(i,j)2+c]]>

(8)组合梯度相似度、相位相似度和锐度相似度组成联合相似度判据，求其均值得到最终的相似度数值，具体公式如下：

GPS_SSIM(i，j)＝[G(i，j)]^α[P(i，j)]^β[H(i，j)]^γ

GPS_SSIM=1M×NΣi=1MΣj=1NGPS_SSIM(i,j)]]>