[发明专利]一种基于多尺度梯度差分熵的图像质量评价方法

说明书

技术领域

本发明属于图像质量评价技术领域，涉及一种全参考图像质量评价方法，具体涉及一种基于多尺度梯度差分熵的图像质量评价方法，适用于图像编码质量评价中。

背景技术

据统计，人类接收到的70％信息来自于视觉。观察图像是人类认识世界的有效途径。尤其是随着互联网技术的快速发展，图像给本发明日常生活带来了巨大的变化，并在医疗、新闻、娱乐等多个领域占据着重要地位。而在图像获取、处理及传输的过程中，图像质量不可避免的会受到影响，出现失真(模糊失真、噪声失真、编码失真等)，从而无法达到应用的要求。因此，如何评价图像质量的好坏是非常重要的。

常用的图像质量评价方法包括主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法主要是以人的主观感受为主，具体方法是采用专门的观察人员，根据事先制定的准则对一组图像进行判断，最后对评判结果进行加权求和得出最终的评价结果。主观评价方法耗时长，成本高，容易受到人的情绪、自身条件等因素的影响，因此，目前应用较为广泛的是客观图像质量评价方法。

客观图像质量评价方法包括全参考图像质量评价方法、部分参考图像质量评价方法和无参考图像质量评价方法。全参考图像质量评价方法对原始图像和失真图像之间的差异性进行判断，可以取得较好的评价效果。常用的全参考图像质量评价方法包括峰值信噪比(Peak Signal Noise Ratio，PSNR)、结构相似度(Structural SIMilarity，SSIM)，视觉信噪比(Visual Signal-to-Noise Ratio,VSNR)、信息保真度(Visual Information Fidelity，VIF)等。不同的质量评价方法适用于不同失真类型图像的质量评价中。

客观图像质量评价方法是否有效的依据是看其客观评价值与人类主观观测意见的一致性。该一致性可以通过相关系数的大小来表示，分别是：Spearman相关系数(Spearman Rank-order Correlation Coefficient，SROCC)，Kendall相关系数(Kendall Rank-order Correlation Coefficient，KROCC)，Pearson相关系数(Pearson Linear Correlation Coefficient，CC)。

客观图像质量评价方法的优点是速度快、费用低、应用广泛，不受主观因素的影响。不足之处在于其只能在某些方面有限度的模仿人眼的主观视觉特性，常常会出现与主观评价结果不一致的情况，不同的评价方法适用于不同的应用领域，难以建立适用于任何领域的评价方法。

发明内容

本发明针对现有技术的不足，提供一种基于多尺度梯度差分熵的图像质量评价方法。

本发明所采用的技术方案是：一种基于多尺度梯度差分熵的图像质量评价方法，其特征在于，包括以下步骤：

步骤1：将原始图像和失真图像均转换成灰度图像；

步骤2：基于步骤1的结果，计算不同尺度空间内的梯度差分熵，并将不同尺度空间内的梯度差分熵进行加权平均；

步骤3：计算原始图像和失真图像对应的灰度图像均值的比值；

步骤4：计算原始图像和失真图像对应的灰度图像方差的比值；

步骤5：基于步骤2、步骤3和步骤4的结果，进行综合评价。

作为优选，步骤2的具体实现包括以下子步骤：

步骤2.1：基于步骤1的结果，构建不同尺度空间；高斯卷积核是尺度变换的唯一线性核，原始图像和失真图像的尺度空间分别通过对应的灰度图像与高斯卷积核进行卷积获得，不同的尺度由δ参数来确定；

步骤2.2：对不同尺度下的原始图像和失真图像通过下采样的方式生成不同采样间隔的图像；

步骤2.3：计算不同尺度及采样间隔下的原始图像和失真图像的梯度大小，并进行差分运算；

步骤2.4：基于步骤2.3的结果，进行量化及绝对值运算；

步骤2.5：基于步骤2.4的结果，计算熵；

步骤2.6：基于步骤2.5的结果，将不同尺度不同采样间隔下的熵进行加权平均。

作为优选，步骤3的具体实现包括以下子步骤：

步骤3.1：计算原始图像对应的灰度图像均值；

步骤3.2：计算失真图像对应的灰度图像均值；

步骤3.3：基于步骤3.2和步骤3.1的结果，计算两者的比值。

作为优选，步骤4的具体实现包括以下子步骤：

步骤4.1：计算原始图像对应的方差；