[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

说明书

技术领域

本发明涉及数字图像质量评价技术领域，是一种全参考型基于多尺度视觉显著性与梯度幅值的图像质量评价方法。

技术背景

远程医疗是近些年生物医学领域和计算机通信领域中新的研究热点。远程医疗主要是通过网络等手段进行远程医疗图像等数据的传输，从而实现远距离的医疗诊断。目前远程医疗图像(包括其他数据文件)的传递主要通过以下步骤，图像数据的采集与压缩，图像数据的传输与接收，图像数据的解压与重现。在传递的过程中，上述的每个步骤都会对图像的成像质量造成损失，而高质量的医学图像可以帮助医生做出准确的判断，避免由于图像失真而造成假阳性和假阴性的诊断，因此应用于远程医疗图像的质量评价变得尤为重要。

图像质量评价以人的主观评价为标准，但是这种评价方法不适用于实时处理，因此需要发展客观的质量评价方法。常用的结构相似度(Structural Similarity，SSIM)方法是通过计算参考图像与失真图像之间的结构相关性来评价失真图像的质量损失。多尺度结构相似度(Multi-scale SSIM，MS-SSIM)方法将图像分解为不同的尺度，根据各个尺度对图像的重要性不同进行加权，其评价效果比结构相似度方法更接近主观评价。视觉信息保真度(Visual Information Fidelity，VIF)方法通过金字塔变换将图像分解为具有不同空间频率与方向的频带，在各个频带上建立图像的高斯混合模型，这种方法的缺点是计算复杂度高，运算速度慢。

发明内容

为克服现有技术的不足，提供一种全参考图像质量评价方法，使客观图像质量评价结果更加符合人类视觉系统的主观感受。为此，本发明采取的技术方案是，基于多尺度视觉显著性与梯度幅值的图像质量评价方法，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：