基于图像局部统计特征的模糊图像无参考评测方法

摘要

本发明公开一种基于图像局部统计特征的模糊图像无参考评测方法，主要解决模糊图像无参考客观评价问题。该方法步骤包括：(1)首先在待测试图像上采用滤波方法生成一幅模糊图像，(2)使用Sobel算子检测出原始待测试图像的边缘，选择围绕边缘点的局部区域集合；(3)根据选择的局部区域，统计出原始图像和生成模糊图像的变差统计；(4)适当调整局部区域变差统计；(5)根据这些变差统计，构造了一个模糊图像评价测度。本发明结构简单、计算复杂度低，易于硬件实现，与主观评价高度一致的优点，可用于对图像视频处理方法进行有效性检测。

主权项

1.基于图像局部统计特征的模糊图像无参考评测方法，其特征是通过对待测试图像和再模糊图像边缘区域局部统计特征来构建模糊度量尺度，过程如下：(1)选择局部区域集合：使用Sobel算子检测出原始待测试图像的边缘像素，然后分配每个边缘像素到一个像素块的中心；包围边缘像素点的最小像素块是3×3；将这个3×3像素块分成四个像素集合，称之为子区域；像素标记为同样数字的属于同一子区域，像素标记为两个数字的表明它同时属于两个子区域；包围边缘像素点的3×3区域沿四个方向被分成四个子区域，且每个子区域与边缘像素点具有同样的距离；对于每一个子区域，创建其中像素点的灰度值所组成的集合，将拥有的集合对应的子区域作为边缘像素点的局部区域；(2)产生再模糊图像：使用3*3的滤波器$\frac{1}{9}\times \left[\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right]$与原始图像做卷积运算，在原始待测图像上再生成一幅模糊图像；(3)计算局部区域变差：设根据步骤(1)选择的局部区域像素的集合为L＝{l_i；1≤i≤M}，式中M为局部区域像素的个数，l_i表示第i个像素的灰度值；在待测试图像和再模糊图像中分别计算局部区域像素的变差$\mathrm{SV}={\left(\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}{(l_i-\mu )}^2\right)}^{\alpha },$式中表示该区域灰度均值，参数α为一常量，0.3＜α＜10；(4)将再模糊图像和原始待测试图像相比局部区域变差统计升高的区域的变差统计置为0；(5)构建模糊评测尺度：完成所有的局部区域变差计算后，分别累加原始待测试图像和再模糊图像的局部区域变差，即得到和定义模糊图像评测度量值为$\mathrm{SVBM}=\frac{\underset{j=1}{\overset{N}{\Sigma }}{\mathrm{SV}}_j^{\mathrm{ori}}-\underset{j=1}{\overset{N}{\Sigma }}{\mathrm{SV}}_j^{\mathrm{re}-\mathrm{blur}}}{\underset{j=1}{\overset{N}{\Sigma }}{\mathrm{SV}}_j^{\mathrm{ori}}+ϵ}$式中N为图像中局部区域个数，和分别是原始待测图像和再模糊图像第j个局部区域的变差；ε是一个常量，0＜ε≤0.001。