[发明专利]一种全参考图像质量评价方法及系统

说明书

本申请公开了一种全参考图像质量评价方法及系统，方法包括：获取参考图像以及失真图像；估计参考图像以及失真图像中像素点的亮度和色度，并计算亮度相似度以及色度相似度；使用GBVS显著性模型提取参考图像以及失真图像的显著性特征，得到参考图像以及失真图像的显著性图，根据显著性图得到参考图像以及失真图像之间的显著性相似度；计算参考图像以及失真图像的梯度幅值，根据梯度幅值计算参考图像以及失真图像之间的梯度相似度；根据亮度相似度，色度相似度、显著性相似度以及梯度相似度计算得到图像质量评价指标。本申请能够在全参考图像的前提下，通过简单的计算，即可对噪声图像进行质量评价且与主观评分有较好的一致性。

技术领域

本申请涉及图像质量技术领域，尤其涉及一种全参考图像质量评价方法及系统。

背景技术

图像质量评价(Image Quality Assessment，IQA)旨在使用计算模型来测量与主观评价一致的图像质量。随着数字图像和通信技术的快速普及，图像质量评价(IQA)已成为图像采集，传输，压缩，恢复和增强等众多应用中的一个重要问题。客观IQA是图像质量评价的重要一部分，其中，峰值信噪比(Peak Signal to Noise Ration，PSNR)和均方误差(MeanSquare Error，MSE)是经典的全参考型客观图像质量评价方法。另外，国内外的研究者还提出了多种客观IQA指标，包括：结构相似度(Structural Similarity，SSIM)、基于梯度的结构相似度(Gradient-based Structural Similarity，GSSIM)、特征相似度(FeatureSimilarity，FSIM)、梯度相似度(Gradient Similarity，GSIM)、梯度幅度相似度偏差(Gradient Magnitude Similarity Deviation，GMSD)、视觉显著性(Visual Saliency-induced，VSI)以及基于超像素相似性全参考指标SPSIM(Superpixel-based SimilarityIndex)。

然而由于人类视觉系统中人眼在观看图像的时候会不自觉的关注某些区域，并且优先处理该区域的信息，这些区域称之为显著性区域，此特性叫做视觉显著性，同属于人类视觉系统特征(Human Visual System,HVS)之一。当前一些性能较好的图像质量评价方法都是结合人类视觉系统的特征进行设计，如视觉信噪比(VSNR)利用人类视觉的近阈值和超阈值特性来测量图像保真度。目前只有部分HVS特征被建模和利用于图像质量评价之中。

发明内容

本申请提供了一种全参考图像质量评价方法及系统，使得在全参考图像的前提下，通过简单的计算，即可对噪声图像进行质量评价且与主观评分有较好的一致性。

有鉴于此，本申请第一方面提供了一种全参考图像质量评价方法，所述方法包括：

获取参考图像以及失真图像；

估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；

使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；

计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；

根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标。

可选的，在所述估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度，之前还包括：

采用超像素方法对所述参考图像以及失真图像进行分块。

可选的，所述估计所述参考图像以及失真图像中像素点的亮度和色度，具体为：