[发明专利]一种基于压缩感知的全参考图像质量客观评价方法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于压缩感知的全参考图像质量客观评价方法。

背景技术

图像传递着大量的信息，在数码电子产品和互联网应用中举足轻重。伴随着海量的图像数据，我们面临着信息的快速筛选、图像内容的有效分析以及图像质量的准确判断等问题。图像质量客观评价方法通过计算机模拟人眼视觉系统来建模研究图像质量，该方法以自动连续的高效工作方式而成为了该领域的研究重点。其中，全参考图像质量评价结果最可靠，且其理论和算法对半参考及无参考图像质量评价具有重要的借鉴意义。因此，当前全参考图像质量客观评价方法成为了研究热点。

传统的经典评价算法如均方根误差RMSE、信噪比SNR以及峰值信噪比PSNR等，这些算法既然没有考虑图像的结构特征而去除冗余像素，也没有结合人眼的视觉特性，因而评价结果与人眼主观测试差距较大，利用上述算法得到的评价结果的斯皮尔曼等级排序相关系数SROCC、均方根误差RMSE和皮尔逊相关系数PLCC的指标水平都比较低。

通过引入人类视觉系统(Human Vision System，HVS)的感知特性，提出了许多仿生学评价算法，例如Dalay算法，Lubin算法，Safranek-Johnson算法，Teo-Heeger算法，Watson离散余弦变换算法以及Watson小波变换算法等。但有许多系统性缺陷制约着仿生学方法的性能，例如简单的视觉刺激HVS研究机理并不能完整的表达高度复杂的视觉信息处理过程，此外，仿生学建模算法复杂，速度慢，建模效率低，且需要主观实验检验模型的有效性，存在建模无效的情况，实验结果表明仿生学方法的评价效率相对传统的经典算法并没有明显的改善。

近些年，图像质量评价领域出现了一些工程学评价方法及其改进算法，例如，结构相似度SSIM方法，信息保真度IFC方法，奇异值分解SVD方法，梯度结构相似度GSM算法，特征结构相似度FSIM算法，视觉保真度VIF算法等。工程学算法相对仿生学算法无需复杂的建模过程，相对而言可以提高评价速度，但该类算法往往无法使得到的评价结果的斯皮尔曼等级排序相关系数SROCC、均方根误差RMSE和皮尔逊相关系数PLCC同时保持在较高的水平。

发明内容

针对现有技术的不足，本发明提供了一种基于压缩感知的全参考图像质量客观评价方法，其核心是将压缩感知理论用于图像质量评价，通过构造的随机压缩观测矩阵对图像进行稀疏投影变换得到投影系数矩阵，然后基于投影系数矩阵进行质量评价，全面提高了经典评价PSNR类方法的各项评价指标((包括斯皮尔曼等级排序相关系数SROCC、均方根误差RMSE和皮尔逊相关系数PLCC))的水平，使得SROCC的指标达到了工程学SSIM方法同样的水平，而RMSE和PLCC指标超过了工程学方法的水平，且相对于工程学评价方法，本发明减小了评价时间消耗。

一种基于压缩感知的全参考图像质量客观评价方法，包括：

步骤1，对参考图像和失真图像分别进行预处理得到相应的图像灰度矩阵；

步骤2，针对所述的失真图像和参考图像的图像灰度矩阵基于压缩感知原理构造稀疏的随机观测矩阵；

步骤3，将所述的随机观测矩阵分别与参考图像和失真图像的图像灰度矩阵相乘得到相应的投影系数矩阵；

步骤4，计算失真图像的投影系数矩阵相对于参考图像的投影系数矩阵的峰值信噪比作为失真图像的客观评价值。

将压缩感知理论用于图像质量客观评价研究领域中，通过构造稀疏的随机观测矩阵对图像进行稀疏投影变换，然后基于投影矩阵进行图像的质量评价，由于观测矩阵较强的随机性和稀疏性，得到的投影矩阵(投影系数矩阵)不仅能够反映原图像的空间结构特征，而且能够提取原图像的主要能量系数，压缩掉冗余像素信息，因此利用图像的投影矩阵进行质量评价，能够大大降低计算量，且符合人眼的主观视觉特性。该发明全面提高了PSNR图像质量客观评价方法的各项指标水平，且同时相对于工程学评价方法减小了评价时间消耗。

所述步骤1中预处理包括依次进行灰度化处理和高斯低通滤波。

作为优选，高斯低通滤波时采用的窗口大小为k×k，k的取值范围为0.015t～0.42t，t取图像矩阵行和列的最小值，即：t＝min{P，Q}，P×Q为失真图像的大小。进一步优选，高斯低通滤波时采用的标准差为1.0～3.0。

构建的随机观测矩阵可以服从高斯随机分布、泊松随机分布或均匀随机分布，作为优选，所述的随机观测矩阵为服从高斯随机分布的随机观测矩阵)。