一种图像客观质量评价方法

摘要

本发明公开了一种图像客观质量评价方法，首先根据参考图像和失真图像中各个像素点的梯度幅值信息，把参考图像和失真图像联合的分为边缘区域、纹理区域和平坦区域，然后依据每个区域中各个像素点的梯度相位和梯度幅值对参考图像和失真图像进行相位量化编码，再通过计算参考图像和失真图像的不同区域相位量化编码的汉明距离，并根据人眼视觉特性对不同区域的汉明距离给予不同的权值从而得到最终的图像质量评价的客观分值，由于本发明方法综合考虑了失真图像相对于参考图像的梯度幅值和梯度相位的变化给失真图像质量造成的影响，因此根据本发明方法得出的客观评价结果与人眼主观感知的结果一致性好；此外，本发明方法的计算复杂度低、运行速度快。

主权项

1.一种图像客观质量评价方法，其特征在于包括以下步骤：①将尺寸为W×H的参考图像表示为{I_o(i，j)|1≤i≤W，1≤j≤H}，将尺寸为W×H的失真图像表示为{I_d(i，j)|1≤i≤W，1≤j≤H}，其中，W表示参考图像和失真图像的宽度，H表示参考图像和失真图像的高度，I_o(i，j)表示参考图像中坐标位置为(i，j)的像素点的像素值，I_d(i，j)表示失真图像中坐标位置为(i，j)的像素点的像素值；②对参考图像和失真图像进行联合的区域划分，将参考图像和失真图像划分为边缘区域、纹理区域和平坦区域三类区域，记边缘区域为R_E，记纹理区域为R_T，记平坦区域为R_S，区域划分后参考图像和失真图像中坐标位置同为(i，j)的像素点属于同一类区域；③利用梯度算子计算参考图像{I_o(i，j)}的水平梯度图像和垂直梯度图像，分别记为{G_{x_o}(i，j)}和{G_{y_o}(i，j)}，其中，G_{x_o}(i，j)表示参考图像中坐标位置为(i，j)的像素点的水平梯度幅值，G_{y_o}(i，j)表示参考图像中坐标位置为(i，j)的像素点的垂直梯度幅值；然后根据参考图像中坐标位置为(i，j)的像素点的梯度方向和梯度幅值对参考图像进行量化编码，量化编码的具体过程为：当G_{x_o}(i，j)＞0且G_{y_o}(i，j)＞0且|G_{x_o}(i，j)|＞|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为0000；当G_{x_o}(i，j)＞0且G_{y_o}(i，j)＞0且|G_{x_o}(i，j)|≤|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为1000；当G_{x_o}(i，j)＜0且G_{y_o}(i，j)＞0且|G_{x_o}(i，j)|≤|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为1100；当G_{x_o}(i，j)＜0且G_{y_o}(i，j)＞0且|G_{x_o}(i，j)|＞|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为1110；当G_{x_o}(i，j)＜0且G_{y_o}(i，j)＜0且|G_{x_o}(i，j)|＞|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为1111；当G_{x_o}(i，j)＜0且G_{y_o}(i，j)＜0且|G_{x_o}(i，j)|≤|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为0111；当G_{x_o}(i，j)＞0且G_{y_o}(i，j)＜0且|G_{x_o}(i，j)|≤|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为0011；当G_{x_o}(i，j)＞0且G_{y_o}(i，j)＜0且|G_{x_o}(i，j)|＞|G_{y_o}(i，j)|时，参考图像中坐标位置为(i，j)的像素点的相位量化编码为0001，其中，符号“||”表示取绝对值符号；④利用梯度算子计算失真图像{I_d(i，j)}的水平梯度图像和垂直梯度图像，分别记为{G_{x_d}(i，j)}和{G_{y_d}(i，j)}，其中，G_{x_d}(i，j)表示失真图像中坐标位置为(i，j)的像素点的水平梯度幅值，G_{y_d}(i，j)表示失真图像中坐标位置为(i，j)的像素点的垂直梯度幅值；然后根据失真图像中坐标位置为(i，j)的像素点的梯度方向和梯度幅值对失真图像进行量化编码，量化编码的具体过程为：当G_{x_d}(i，j)＞0且G_{y_d}(i，j)＞0且|G_{x_d}(i，j)|＞|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为0000；当G_{x_d}(i，j)＞0且G_{y_d}(i，j)＞0且|G_{x_d}(i，j)|≤|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为1000；当G_{x_d}(i，j)＜0且G_{y_d}(i，j)＞0且|G_{x_d}(i，j)|≤|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为1100；当G_{x_d}(i，j)＜0且G_{y_d}(i，j)＞0且|G_{x_d}(i，j)|＞|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为1110；当G_{x_d}(i，j)＜0且G_{y_d}(i，j)＜0且|G_{x_d}(i，j)|＞|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为1111；当G_{x_d}(i，j)＜0且G_{y_d}(i，j)＜0且|G_{x_d}(i，j)|≤|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为0111；当G_{x_d}(i，j)＞0且G_{y_d}(i，j)＜0且|G_{x_d}(i，j)|≤|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为0011；当G_{x_d}(i，j)＞0且G_{y_d}(i，j)＜0且|G_{x_d}(i，j)|＞|G_{y_d}(i，j)|时，失真图像中坐标位置为(i，j)的像素点的相位量化编码为0001；⑤计算参考图像和失真图像的边缘区域R_E中所有像素点的汉明距离之和，记为其中，表示参考图像的边缘区域R_E中坐标位置为(i，j)的像素点的相位量化编码，表示失真图像的边缘区域R_E中坐标位置为(i，j)的像素点的相位量化编码，符号表示异或运算符；计算参考图像和失真图像的纹理区域R_T中所有像素点的汉明距离之和，记为其中，表示参考图像的纹理区域R_T中坐标位置为(i，j)的像素点的相位量化编码，表示失真图像的纹理区域R_T中坐标位置为(i，j)的像素点的相位量化编码；计算参考图像和失真图像的平坦区域R_S中所有像素点的汉明距离之和，记为其中，表示参考图像的平坦区域R_S中坐标位置为(i，j)的像素点的相位量化编码，表示失真图像的平坦区域R_S中坐标位置为(i，j)的像素点的相位量化编码；⑥根据参考图像和失真图像的边缘区域R_E中所有像素点的汉明距离之和纹理区域R_T中所有像素点的汉明距离之和及平坦区域R_S中所有像素点的汉明距离之和对失真图像进行客观质量评价得到最终评分，记为IQA，其中，为边缘区域R_E的评价权重系数，为纹理区域R_T的评价权重系数，为平坦区域R_S的评价权重系数。