主权项 |
一种基于距离矩阵的图像质量评价方法,其特征在于,包括以下步骤:步骤1、对预先选取的与待评价图像同类的标准图像分别加入期望为0,标准差由0开始依次递增的不同的高斯白噪声,得到一组含噪图像;步骤2、对每一幅含噪图像,计算其距离矩阵的标准偏差;步骤3、根据各含噪图像的高斯白噪声的标准差、距离矩阵的标准偏差,建立高斯白噪声的标准差与距离矩阵的标准偏差之间的对应关系表或关系曲线;步骤4.计算待评价图像的距离矩阵的标准偏差;步骤5、利用步骤3得到的高斯白噪声的标准差与距离矩阵的标准偏差之间的对应关系表或关系曲线,查找出待评价图像的距离矩阵的标准偏差所对应的高斯白噪声的标准差,即为待评价图像的质量评价结果;其中,图像的距离矩阵的标准偏差,具体按照以下方法计算得到:步骤A、按照以下方法求取该图像的距离图:步骤A1、对于图像中的任意一个像素点(i,j),计算以像素点(i,j)为中心的大小为<i>S</i><i>×</i><i>S</i>的邻域中,以像素点(i,j)为中心的大小为s×s的小区域与该邻域中其它大小为<i>s</i><i>×</i><i>s</i>的小区域的欧氏距离的平均值,并将该平均值赋予像素点(i,j);其中,<i>S</i>和<i>s</i>均为自然数,且<img file="2012101953138100001dest_path_image001.GIF" wi="41" he="42" />;步骤A2、对图像中所有点均按照步骤A1进行处理,得到一幅新的图像;步骤A3、将步骤A2所得到的新的图像转化为256级灰度图像,该灰度图像即为距离图;步骤B、构建步骤A所得距离图的距离矩阵,具体按照以下方法: 步骤B1、构建一个256×256的矩阵;步骤B2、对于该矩阵中坐标为<img file="265632dest_path_image002.GIF" wi="50" he="22" />,<img file="2012101953138100001dest_path_image003.GIF" wi="104" he="22" />,<img file="796102dest_path_image004.GIF" wi="105" he="22" />,的元素,判断所述距离图中是否存在灰度值分别为<img file="2012101953138100001dest_path_image005.GIF" wi="78" he="22" />的两个不同的像素点,如存在,则将该元素的值赋为1;如不存在,则赋值为0;最终得到的矩阵即为该距离图的距离矩阵;步骤C、根据下式计算距离矩阵的标准偏差<img file="942044dest_path_image006.GIF" wi="17" he="16" />:<img file="2012101953138100001dest_path_image007.GIF" wi="226" he="94" />其中,<img file="631782dest_path_image008.GIF" wi="161" he="76" />;<img file="2012101953138100001dest_path_image009.GIF" wi="64" he="25" />表示距离矩阵中坐标为<img file="267294dest_path_image010.GIF" wi="52" he="25" />的元素值。 |