一种基于奇异值分解的图像质量评价方法

摘要

一种基于奇异值分解的图像质量评价方法，它有五大步骤：一、将原始图像与失真图像，大小均为m×n，各分成m×n/k×k个图像块；二、对全部图像块，按照奇异值分解原理编程实现奇异值分解；三、计算原始图像与失真图像的图像块左、右奇异向量U，V和U^(p)，V^(p)中的结构失真，同时，计算原始图像与失真图像的图像块奇异值特征向量S和S^(p)中的亮度失真；四、综合原始图像和失真图像的图像块亮度和结构失真，得到公式D_l，循环计算，获得全部m×n/k×k个图像块D_l值，并求均值；五、综合上述图像质量评价参数，定义基于奇异值分解的图像质量评价指标，当QSVD值为0时，则图像质量最好，随着QSVD变化，QSVD值越大，则图像质量越差。它在图像质量评价领域具有实用价值和广阔的应用前景。

主权项

1.一种基于奇异值分解的图像质量评价方法，其特征在于：该方法具体步骤如下：步骤一：将原始图像与失真图像，大小均为m×n，分成规则的图像块k×k分块，图像块个数为m×n/k×k个，k小于m，n；步骤二：按步骤一进行分块后，对原始图像和失真图像分成的图像块，按照数值计算的奇异值分解原理编程实现奇异值分解，获得分解向量，U，V，S和U^(p)，V^(p)，S^(p)；其中，U，V，S分别代表原始图像单个图像块奇异值分解获得的左奇异向量，右奇异向量及奇异值特征向量；U^(p)，V^(p)，S^(p)分别代表失真图像对应图像块奇异值分解的左奇异向量，右奇异向量及奇异值特征向量；步骤三：根据步骤二中获得的分解向量，计算原始图像单个图像块与失真图像对应图像块的左、右奇异向量U，V和U^(p)，V^(p)中所含图像结构信息具有结构失真，因此考虑构造图像结构失真C_UV，具体实现如下：左奇异向量大小为k×k，按列向量方式表示U，U＝[U₁，U₂，...U_i]_1×k；右奇异值向量大小为k×k，按列向量方式表示V，V＝[V₁，V₂，...V_i]_1×k构造并令γ_i＝(α_i+β_i)，代表了原始图像单个图像块与失真图像对应图像块分解向量U，V和U^(p)，V^(p)中含有的全部信息；构造代表了原始图像与不失真图像的图像块分解向量U，V和U，V中含有的全部信息；由奇异值分解特征知，认为γ_0i和γ_i的差值表示图像信息损失，构造计算方法完成对原始图像单个图像块和失真图像对应图像块的图像结构失真衡量；同时，计算原始图像单个图像块与失真图像对应图像块的奇异值特征向量S和S^(p)中所含图像亮度信息具有亮度失真，因此构造图像亮度失真C_S，具体实现如下：原始图像单个图像块奇异值分解得到奇异值特征向量S＝[σ₁，σ₂，...，σ_i]，对应失真图像对应图像块奇异值分解得到奇异值特征向量构造计算方法完成对原始图像单个图像块和失真图像对应图像块的图像亮度失真衡量；步骤四：联合计算原始图像单个图像块和失真图像对应图像块的图像结构失真和图像亮度失真，得到计算公式D_l，其中D_l＝C_UV·C_S；D_l表示原始图像单个图像块和失真图像对应图像块中的信息损失；对于m×n/k×k个图像块，循环计算，获得m×n/k×k个D_l值，并求取全部图像块的均值步骤五：综合上述图像质量评价参数，定义基于奇异值分解的图像质量评价指标当QSVD值为0时，则图像质量最好，随着QSVD变化，QSVD值越大，则图像质量越差。