[发明专利]一种图像质量评价方法及系统

说明书

本发明提出了一种图像质量评价方法及系统，属于图像处理技术领域。首先利用Log‑Gabor滤波器分别对参考图像和失真图像进行5尺度分解，然后基于单演信号理论对分解后的图像进行Riesz变换，得到5对单演信号。对5对单演信号进行局部特征的相似度计算，得到5个相似度图，利用人类视觉系统特性进行加权求和，得到1幅单演相似度图。此外，利用参考图像得到的Riesz变换特征图进行单演相位一致性计算，得到池化函数。同时，对参考图像和失真图像求梯度幅度相似度，最后利用池化函数对单演相似度和梯度幅度相似度的乘积进行卷积，得到最终的图像质量评价指数。算法在多个数据库上进行测试，结果表明，RGSIM算法整体性能优异。

技术领域

本发明涉及图像质量处理技术领域，尤其涉及一种图像质量评价方法及系统。

背景技术

数字图像作为信息表达与交流的元素，获得了广泛的运用。然而，数字图像在采集、压缩、传输、处理、重建过程中伴随着降低质量和失真[1]。因此，图像质量评价(Imagequality assessment，IQA)的研究成为数字图像处理领域的一个重要内容。

根据参考图像是否存在，图像质量评价可以分为全参考(FR)评价、半参考(RR)评价和无参考(NR)评价[2]。MSE和PSNR是迄今为止运用最为广泛的全参考图像质量评估方法。这两类方法虽然有着计算简单、易于实现等优点，但只计算了像素点之间的绝对误差，没有考虑像素点之间的相关性和人眼视觉系统的感知特性，容易造成在评价图像质量时出现严重不符实际的情况[3][4]。

近年来学者们提出了更加适应人眼视觉特性的评价算法。Zhou Wang等人[2]在通用图像质量指数(Universal image Quality Index，UQI)[5]的基础上，发展和产生了Structural Similarity index(SSIM指数)。之后大批学者在SSIM的基础上提出了许多改进的方法。后来，Lin Zhang等人[6]基于自然场景分析(NSS)的方法，提出引入相位一致性(PC)和梯度相似度(GM)作为评价特征的FSIM模型。实验证明这些方法优于MSE和PSNR，但是SSIM评价模型对图像的结构特征还只停留在标量的层面上，导致SSIM在图片高度模糊时失去有效性。

自然图像作为二维信号，具有高度结构化的特征，必然具有矢量特性。图像各像素点之间表现出强烈的依赖关系，这种相关性构成了二维图像的结构，而HVS(人类视觉系统,Human Visual System)的主要功能就是从视野中获取结构信息。鉴于Riesz变换在多维信号处理上的良好表现，Lin Zhang等人[7]构建了RFSIM模型，Xue-Gang Luo等人[8]提出了RMFSIM模型。但是这些方法只是简单的应用Riesz变换构造局部特征，没有充分挖掘单演信号理论的物理含义，因此还有很大的改进空间。

[1]Gu K,Zhai G,Yang X,et al.Subjective and objective qualityassessment for images with contrast change[C]//Image Processing(ICIP),201320th IEEE International Conference on.IEEE,2013:383-387.

[2]Wang Z,Bovik A C,Sheikh H R,et al.Image Quality Assessment:FromError Visibility to Structural Similarity[J].IEEE transactions on imageprocessing,2004,13(4):600-612.

[3]Wang Z,Bovik A C.Mean squared error:Love it or leave it？A new lookat signal fidelity measures[J].IEEE signal processing magazine,2009,26(1):98-117.