[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

摘要

本发明公开了一种基于多尺度梯度差分熵的图像质量评价方法，包括如下步骤步骤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。本发明引入尺度空间的基本思想，基于人在不同距离下目标在视网膜上的形成过程，通过提取尺度空间下的轮廓特征，并通过熵来反映原始图像和失真图像在尺度空间下轮廓特征的差异，与主观评价结果具有较好的一致性。

主权项

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；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可以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；G(x,y,δ)高斯卷积核的定义如下：G(x,y,δ)=12πδ2e-(x2+y2)/2δ2;]]>卷积方法定义如下：L(x,y,δ)＝G(x,y,δ)*I(x,y)；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；采样方法如下：假设采样间隔为T，也就是说在原图的水平方向和垂直方向每隔T取一个像素，将所有取得的像素按照行和列的顺序依次排列后获得下采样后的图像；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；梯度大小Ga(x,y)计算公式如下：Gax(x,y)＝Img(x+1,y)‑Img(x,y)Gay(x,y)＝Img(x,y+1)‑Img(x,y)Ga(x,y)=Gax(x,y)2+Gay(x,y)2;]]>其中，Img(x,y)代表不同尺度及采样间隔下的图像在空间坐标为(x,y)处的像素灰度大小；差分运算的计算方法如下：Diresult(x,y)＝GaOriginal(x,y)‑GaDistortion(x,y)；GaOriginal(x,y)代表不同尺度及采样间隔下的原始图像对应的梯度大小，GaDistortion(x,y)代表不同尺度及采样间隔下的失真图像对应的梯度大小；步骤2.4：基于步骤2.3的结果，进行量化及绝对值运算；首先对梯度大小的差异进行量化取整，进一步忽略梯度差异的符号，对上述结果取其绝对值；其计算方法如下：Diresult(x,y)＝abs(round(Diresult(x,y)/8))；abs(·)代表绝对值运算，round(·)代表取整运算；步骤2.5：基于步骤2.4的结果，计算熵；熵的计算方法如下：Entropy＝‑pilog2pi；pi代表不同数值在Diresult中出现的概率；步骤2.6：基于步骤2.5的结果，将不同尺度及采样间隔下的熵进行加权平均；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。