基于视觉显著性的图像质量评价方法

摘要

本发明涉及数字图像处理领域，为提出一种基于视觉显著性的图像随机区域质量评价策略，使评价结果更加符合人类的主观感知。本发明采用的技术方案是，基于视觉显著性的图像质量评价方法，步骤如下：(1)分别将参考图像I_R和失真图像I_D进行高斯滤波，而后将滤波后图像RGB转化为Lab色彩空间；(2)针对不同的图像大小r*c，随机生成N个随机大小的窗口；(3)采用视觉显著性提取算法，分别对参考图像与失真图像进行视觉显著性计算，并得到上述每一个随机窗口内视觉显著性相似度矩阵；(4)对于得到各个随机窗口的每一个相似度矩阵进行加权整合。本发明主要应用于图像处理场合。

主权项

一种基于视觉显著性的图像质量评价方法，其特征是，步骤如下：(1)分别将参考图像I_R和失真图像I_D进行高斯滤波，而后将滤波后图像RGB转化为Lab色彩空间，转化方法如下：L＝0.2126×R+0.7152×G+0.0722×Ba＝1.4749×(0.2213×R‑0.3390×G+0.1177×B)+128b＝0.6245×(0.1949×R+0.6057×G‑0.8006×B)+128其中RGB和Lab的取值范围都是[0,255]，从而分别得到两幅图像的三个通道L_R,a_R,b_R和L_D,a_D,b_D，其中L_R和L_D为分别参考图像和失真图像的亮度通道，a_R,b_R及a_D,b_D分别为他们的色彩通道；(2)针对不同的图像大小r*c，随机生成N个随机大小的窗口，其窗口坐标为[x1,x2,y1,y2]，窗口的生成满足均匀分布，且对整幅图具有较高的覆盖率，其中r和c分别为图像的高度和宽度，(x1，y1)和(x2，y2)分别代表生成窗口的左上角和右下角的坐标；(3)采用视觉显著性提取算法，分别对参考图像与失真图像进行视觉显著性计算，并得到上述每一个随机窗口内视觉显著性相似度矩阵S_S(X)(i)：$S_S\left(X\right)\left(i\right)=\frac{2S_R\left(X\right)\left(i\right)·S_D\left(X\right)\left(i\right)+C_S}{S_R^2\left(X\right)\left(i\right)+S_D^2\left(X\right)\left(i\right)+C_S}$其中S_R(X)(i)表示在参考图像中，第i个随机窗口内具体不同位置X上的像素的视觉显著性的值，S_D(X)(i)表示在失真图像中，第i个随机窗口内具体不同位置X上的像素的视觉显著性的值且i∈[1,N]，C_S为一个正常数，以保证S_S(X)的稳定性，利用亮度通道和色彩通道，计算得出每一个随机窗口的梯度相似度S_G(X)(i)和色彩相似度矩阵S_a(X)(i)及S_b(X)(i)：$\begin{array}{c}{S}_G\left(X\right)\left(i\right)=\frac{2G_R\left(X\right)\left(i\right)·G_D\left(X\right)\left(i\right)+C_G}{G_R^2\left(X\right)\left(i\right)+G_D^2\left(X\right)\left(i\right)+C_G}\\ S_a\left(X\right)\left(i\right)=\frac{2a_R\left(X\right)\left(i\right)·a_D\left(X\right)\left(i\right)+C_a}{a_R^2\left(X\right)\left(i\right)+a_D^2\left(X\right)\left(i\right)+C_a},S_b\left(X\right)\left(i\right)=\frac{2b_R\left(X\right)\left(i\right)·b_D\left(X\right)\left(i\right)+C_b}{b_R^2\left(X\right)\left(i\right)+b_D^2\left(X\right)\left(i\right)+C_b}\end{array}$其中G_R(X)(i)表示在参考图像中，第i个随机窗口内具体不同位置X上的像素的梯度值，G_D(X)(i)表示在失真图像中，第i个随机窗口内具体不同位置X上的像素的梯度值且i∈[1,N]，而a_R(X)(i)和b_R(X)(i)均表示在参考图像中，第i个随机窗口内具体不同位置X上的像素的色度值，a_D(X)(i)和b_D(X)(i)表示在失真图像中，第i个随机窗口内具体不同位置X上的像素的色度值且i∈[1,N]，C_G，C_a和C_b分别为一个正常数，以分别保证S_G(X)，S_a(X)和S_b(X)的稳定性；(4)对于得到各个随机窗口的每一个相似度矩阵进行加权整合，计算出每个窗口的质量评价结果，其中每个像素点的权重以视觉显著性矩阵为参考，而相似度矩阵分别再配以不同的权重α和β，以区分其重要性的不同，最后将所有窗口计算结果进行整合，不同窗口的质量评价结果以其窗口对应的视觉显著性为权重，最后得到整幅图像的评价结果：$RWSIM=\frac{{\Sigma }_I{S}_S\left(X\right)\left(i\right)·{\left[S_G\left(X\right)\left(i\right)\right]}^{\alpha }·{[S_a\left(X\right)\left(i\right)·S_b\left(X\right)\left(i\right)]}^{\beta }·{\mathrm{VS}}_m\left(X\right)\left(i\right)}{{\Sigma }_I{\mathrm{VS}}_m\left(X\right)\left(i\right)}$其中I为所有窗口的集合，VS_m(X)(i)表示第i个随机窗口内，不同位置X上像素在参考图像和失真图像上的视觉显著性较大值，即VS_m(X)(i)＝max(S_R(X)(i),S_D(X)(i))。