基于视网膜模型的图像质量评价方法

摘要

本发明公开一种基于视网膜模型的图像质量评价方法，该方法公开的视网膜模型就基于视网膜将尽量减少视觉冗余但保留有用信号的假设；该视网膜模型包含一个光学调制传输模块和一个自适应低通滤波模块，将模型当做一个黑盒子，利用信息论方法设计自适应滤波器；对于全参图像质量评价方法，原图和失真图先通过该视网膜滤波器，然后再计算两幅图滤波后的区别，从而评价失真图的质量；该视网膜模型可以作为大多数图像质量评价方法的预处理，如基于视网膜模型的均方误差或者峰值信噪比，虽然非常简单，但是在很多图像质量评价库上可以达到领先水平的性能。

主权项

一种基于视网膜模型的图像质量评价方法，其特征在于包括以下步骤：第一步、构建基于视网膜的计算模型，将基于视网膜的计算模型分割为串联的两个子模块，分别为：光学调制传输模块和自适应低通滤波模块；光学调制传输模块模拟人眼的光学结构；自适应低通滤波模块进行噪声抑制和冗余度压缩；输入信号I₀(f)通过基于视网膜的计算模型后的输出信号通过下式计算：I₂(f)＝L(f)·(M(f)·(I₀(f)+N₀(f))+N₁(f))，其中M(f)和L(f)分别表示表示光学调制传输模块和自适应低通滤波模块的传递函数，N₀(f)和N₁(f)分别表示光学调制传输模块和自适应低通滤波模块的噪声，f表示信号的频率；第二步、利用信息论方法设计自适应低通滤波模块中的低通滤波器L进行噪声抑制，自适应低通滤波模块的输入I₁及输出I₂将用于质量评价，低通滤波器L的设计原则是尽量抑制自适应低通滤波模块的输入信号I₁的噪声，而不损失过多的有用信号；滤波器的设计最终依靠输入I₁及输出I₂之间的互信息H(I₁；I₂)，保持输出熵H(I₂)不变的同时最大化H(I₁；I₂)；第三步、通过上述构建的基于视网膜的计算模型进行全参图像评价，对于全参图像质量评价，假设原图和失真图都通过了基于视网膜的计算模型，可通过计算经过滤波后图像的均方误差或者峰值信噪比来衡量失真图的图像质量。