基于结构降化模型的半参考图像质量评价方法

摘要

本发明提供了一种基于结构降化模型的半参考图像质量评价方法，该方法主要考虑到对于图像在不同失真类型、不同失真程度上的响应空间频率响应的区别，并结合利用结构相似指数(SSIM)来提取图像特征，从而实现一种半参考的图像质量评价方法。根据在现有的LIVE数据库的测试结果来看优于大部分主流图像质量评价方法。本发明所述的评价方法仅依赖于结构相似性指数的计算函数，而无需引入其他复杂算法，不仅拥有卓越评价准确度，并且兼具了计算复杂度低、执行效率高的特点；本发明只需要四个数值作为特征值，这相比于图像本身的大小是可以忽略不计的。

主权项

一种基于结构降化模型的半参考图像质量评价方法，其特征在于，包括以下步骤：第一步、分别对原图X与失真图Y进行分割，分为内区图像块与外区图像块；第二步、对于原图X的内区图像块与外区图像块，对其分别进行程度为0.1与1.5的F_μ滤波，以及程度为0.1与1.5的F_σ滤波；得到原图X内区图像块F_μ滤波后图像μ_X，i(0.1)与μ_X，i(1.5)、F_σ滤波后图像σ_X，i(0.1)与σ_X，i(1.5)，以及原图X外区图像块F_μ滤波后图像μ_X，e(0.1)与μ_X，e(1.5)、F_σ滤波后图像σ_X，e(0.1)与σ_X，e(1.5)；第三步、对于原图X内区图像块F_μ滤波后图像μ_X，i(0.1)与μ_X，i(1.5)计算结构相似指数SSIM，得到原图特征值SD_m，i，N(X)，对其F_σ滤波后图像σ_X，i(0.1)与σ_X，i(1.5)，计算结构相似指数SSIM，得到原图特征值SD_v，i，N(X)；同样的，对原图X外区图像块F_μ滤波后图像μ_X，e(0.1)与μ_X，e(1.5)、F_σ滤波后图像σ_X，e(0.1)与σ_X，e(1.5)分别计算结构相似指数SSIM，得到相应的原图特征值SD_m，e，N(X)与SD_v，e，N(X)；第四步、对于失真图Y的内区图像块与外区图像块，对其分别进行程度为0.1与1.5的F_μ滤波，以及程度为0.1与1.5的F_σ滤波，得到失真图Y内区图像块F_μ滤波后图像μ_Y，i(0.1)与μ_Y，i(1.5)、F_σ滤波后图像σ_Y，i(0.1)与σ_Y，i(1.5)，以及失真图Y外区图像块F_μ滤波后图像μ_Y，e(0.1)与μ_Y，e(1.5)、F_σ滤波后图像σ_Y，e(0.1)与σ_Y，e(1.5)；第五步、对于失真图Y内区图像块F_μ滤波后图像μ_Y，i(0.1)与μ_Y，i(1.5)计算结构相似指数SSIM，得到失真图特征值SD_m，i，N(Y)，对其F_σ滤波后图像σ_Y，i(0.1)与σ_Y，i(1.5)，计算结构相似指数SSIM，得到原图特征值SD_v，i，N(Y)；同样的，对失真图Y外区图像块F_μ滤波后图像μ_Y，e(0.1)与μ_Y，e(1.5)、F_σ滤波后图像σ_Y，e(0.1)与σ_Y，e(1.5)分别计算结构相似指数SSIM，得到相应的失真图特征值SD_m，e，N(Y)与SD_v，e，N(Y)；第六步、分别计算原图X各项特征值与失真图Y相应特征值之差，定义为相应特征值的距离，记为D_m，i，N、D_v，i，N、D_m，e，N以及D_v，e，N；第七步、分别对各项特征值的距离D_m，i，N、D_v，i，N、D_m，e，N以及D_v，e，N进行非线性变换，将其结果相加后得到图像质量评价指数SDM，SDM的值越大，则预测图像质量越好，值越小则预测图像质量越差。