基于Gabor特征互信息的全参考图像质量评价方法

摘要

本发明公开了一种基于Gabor特征互信息的全参考图像质量评价方法，属于图像处理领域。本发明方法具体实施包括如下步骤：（一）输入参考图像和失真图像；（二）对参考图像和失真图像，分别利用二维Gabor滤波器进行滤波以提取Gabor特征；（三）分别建立概率分布函数，求出滤波后图像每一个像素点的概率分布及联合概率分布；（四）求出参考图像和失真图像Gabor特征的互信息；（五）建立图像质量评价函数MIGF评价图像质量。本发明利用二维Gabor滤波器提取视觉特征，并通过参考图像和失真图像的互信息来建立图像质量评价函数，评价结果符合人类视觉主观认识。

主权项

基于Gabor特征互信息的全参考图像质量评价方法，其特征在于它包括以下步骤：步骤(1).输入参考图像和失真图像；步骤(2).建立一组二维Gabor滤波器G＝{gi(λu,θv)},其中，二维Gabor滤波器个数为M，M为正整数，i＝1,2,...M；当参考图像和失真图像经第i个二维Gabor滤波器gi(λu,θv)处理后，得到的参考图像的Gabor特征为Fi，得到失真图像的Gabor特征为Fi*；建立一组二维Gabor滤波器G＝{gi(λu,θv)}具体步骤如下：取U个尺度和V个方向，则M＝U×V，对于其中第i个二维Gabor滤波器gi(λu,θv)，其定义为： g i ( λ u , θ v ) = 1 2 π a i b i exp { - 1 2 [ R 1 2 a i 2 + R 2 2 b i 2 ] } exp ( i 2 π R 1 λ u ) R1＝x cos(θv)+y sin(θv)R2＝‑x sin(θv)+y cos(θv)其中λu为二维Gabor滤波器波长，θv为二维Gabor滤波器的方向，其中ai，bi可通过下式求得： a i = λ u π ln 2 2 × 2 B f + 1 2 B f - 1 , b i = λ u π ln 2 2 × 1 tan ( B θ / 2 ) 其中Bf为二维Gabor滤波器的频率带宽，Bf=1；Bθ为二维Gabor滤波器的方向带宽，取40°；该组二维Gabor滤波器为：G＝{gi(λu,θv)}, λ u = 2 u - 1 λ min , θ v = v V π , u＝0,1…U‑1,v＝0,1,…V‑1λmin为二维Gabor滤波器最小波长；步骤(3).计算参考图像的Gabor特征Fi和失真图像的Gabor特征Fi*的像素点的概率分布及联合概率分布；参考图像的Gabor特征Fi概率分布具体计算步骤如下：设参考图像的Gabor特征Fi＝{x1,x2,...xN}，N为正整数，则对xj∈Fi，xj的概率为： p h ( x j ) = 1 N Σ t = 1 N K h ( x j - x t ) , ( j = 1,2 . . . N ) 其中，ph(xj)为xj的概率，h为带宽，Kh()为窗函数，它的定义如下： K h ( z ) = 1 ( 2 π ) 1 / 2 h | Σ | 1 / 2 exp ( - z T Σ - 1 z 2 h 2 ) 其中z＝xj‑xt，Σ是z的协方差，T为矩阵转置；同理可求得失真图像的Gabor特征Fi*每个像素点的概率分布；参考图像的Gabor特征Fi和失真图像的Gabor特征Fi*联合概率分布具体计算步骤如下：Fi＝(x1,x2,...xN)Fi*＝(x1*,x2*,...xN*)，令F={x=(x,x＊)|x∈Fi,x*∈Fi*}，则对于xj＝(x,x*)∈F，有： p h ( x , x * ) = p h ( x j ) = 1 N Σ t = 1 N 2 K h ( x j - x t ) , ( j = 1,2 . . . N ) 其中ph(x,x*)即为ph(xj)，ph(x,x*)为x和x*的联合概率，h为带宽，K()为窗函数，它的定义如下： K h ( z ) = 1 ( 2 π ) h 2 | Σ | 1 / 2 exp ( - z T Σ - 1 z 2 h 2 ) 其中z＝xj‑xi，Σ是z的协方差；步骤(4).计算参考图像的Gabor特征Fi和失真图像的Gabor特征Fi*的互信息I(Fi,Fi*)； I ( F i , F i * ) = Σ x ∈ F i , x * ∈ F i * p h ( x , x * ) log p h ( x , x * ) p h ( x ) p h ( x * ) 其中，ph(x)为参考图像Gabor特征x的概率，ph(x*)为失真图像Gabor特征x*的概率；步骤(5).建立图像质量评价函数MIGF，MIGF值越高表示失真图像质量越好； log 2 ( Σ i = 1 M I i ( F i , F * i ) Σ i = 1 M I i ( F i , F i ) + 1 ) .