[发明专利]基于多尺度视觉显著性与梯度幅值的图像质量评价方法

权利要求书

1.一种基于多尺度视觉显著性与梯度幅值的图像质量评价方法，其特征是，包括如下步骤：

步骤1采用拉普拉斯金字塔变换，分别将参考图像与失真图像分解为5个不同分辨率的金字塔层；

步骤2对于图像的每个金字塔层，计算基于傅里叶变换的相位谱，然后将相位谱转换到空域可获得视觉显著图(phase spectrum visual saliency map，PSVS)，设一幅图像为f(x,y)，对图像做傅里叶变换，将图像从空间域转换到频域，换句话说，将图像的灰度分布函数变换为图像的频率分布函数；

F(u,v)＝F(f(x,y))    (1)

F为求图像的傅里叶变换，根据傅里叶变换后函数的实部与虚部，用三角函数计算出图像的相位谱，即A(u,v)；

A(u,v)＝angle(F(u,v))    (2)

通过angle(·)可求得图像的相位谱，对图像的相位谱进行傅里叶逆变换，将所得结果的平方与二维高斯滤波函数做卷积运算，获得基于相位谱的视觉显著图PSVS(x,y)：

PSVS(x,y)＝g(x,y)*(F^-1[exp(i·A(u,v))])²    (3)

x,y为空间坐标，u,v为频域中不同的频率，F^-1为傅里叶逆变换，g(x,y)为二维高斯滤波器，σ＝8，sigma为标准方差，*代表卷积运算；参考图像与失真图像在同一金字塔层的视觉显著图之间的相似性P_j(x,y)为：

Pj(x,y)=(2PSVS1(x,y)·PSVS2(x,y)PSVS12(x,y)+PSVS22(x,y))j---(4)]]>

1≤j≤5，j代表不同的金字塔层，PSVS₁(x,y)与PSVS₂(x,y)分别为参考图像与失真图像在同一金字塔层的视觉显著图；

步骤3对于图像的各个金字塔层，采用Scharr梯度算子计算图像的梯度幅度的值，首先计算图像f(x,y)的偏导数g_x(x,y)和g_y(x,y)：

gx(x,y)=11630-3100-1030-3*f(x,y)---(5)]]>

gy(x,y)=11631031000-3-10-3*f(x,y)---(6)]]>

然后通过得到图像中(x,y)位置处的梯度幅度值，参考图像与失真图像在同一金字塔层的梯度幅度值之间的相似性G_j(x,y)为：

Gj(x,y)=(2GA1(x,y)·GA2(x,y)GA12(x,y)+GA22(x,y))j---(7)]]>

GA₁(x,y)与GA₂(x,y)分别为参考图像与失真图像在同一金字塔层的梯度幅度的值；

步骤4将P(x,y)和G(x,y)按照一定的权重相乘并求和获得参考图像和失真图像在同一金字塔层于位置(x,y)处的相似度值VSGMj(x,y)：

VSGM(x,y)_j＝Σ_x,y∈Ω[P_j(x,y)]^α·[G_j(x,y)]^β    (8)

Ω代表了图像的空间域，α和β为平衡视觉显著性和梯度幅值的权重值，这里选择α＝1，β＝0.5；

选择P1(x,y)与P2(x,y)之间更大的值，作为计算参考图像和失真图像之间质量评价值的权重值：

P_max(x,y)＝max(P₁(x,y),P₂(x,y))    (9)

通过逐像素的计算图像之间的相似度值，便得到基于单尺度(Single-Scale，SS)视觉显著性与梯度特性的图像质量评价的值SS-VSGM_j：

SS-VSGMj=Σx,y∈ΩVSGM(x,y)·Pmax(x,y)Σx∈ΩPmax(x,y)---(10)]]>

步骤5将参考图像与失真图像在五个不同尺度上的质量评价值进行加权相乘得到基于多尺度图像视觉显著性和梯度幅值的图像质量评价的值MS-VSGM：

MS-VSGM=Πj=15(SS-VSGMj)γ---(11)]]>

这里的γ值代表了不同的权重值，分别为0.0448,0.2856,0.3001,0.2363,0.1333。