图像质量评价方法

摘要

本发明公开一种图像质量评价方法，其特征在于按如下步骤进行：(一)选择灰度图像为被评价图像；(二)获取被评价图像的每个像素点的灰度值；(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；(四)建立灰度图像质量评价函数NCAF；(五)计算被评价图像的灰度图像质量评价函数NCAF的值。本发明能够不依赖参考图像，评价灰度图像质量的好坏，并且评价结果符合人类视觉主观认识结果，NCAF值越大，被评价图像的质量越好。

主权项

1、一种图像质量评价方法，其特征在于按如下步骤进行：(一)选择灰度图像为被评价图像；(二)获取被评价图像的每个像素点的灰度值；(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；所述信息熵InEn由下式获得：$\mathrm{InEn}=-\underset{i=0}{\overset{255}{\Sigma }}p\left(i\right)\mathrm{Lo}{g}_{2}p\left(i\right)$式中，p(i)表示被评价图像第i灰度级上像素数分布的概率，当p(i)＝0时，令Log₂p(i)＝0；所述平均对比度AC由下式获得：$\mathrm{AC}=\frac{1}{\sqrt{2}}\sqrt{{\mathrm{AC}}_x^2+{\mathrm{AC}}_y^2}$其中，AC_x、AC_y分别表示被评价图像在X、Y方向的平均对比度，AC_x、AC_y的计算公式分别为：${\mathrm{AC}}_x=\frac{1}{(M-1)\times (N-1)}\underset{y=0}{\overset{N-2}{\Sigma }}\underset{x=0}{\overset{M-2}{\Sigma }}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$${\mathrm{AC}}_y=\frac{1}{(M-1)\times (N-1)}\underset{y=0}{\overset{N-2}{\Sigma }}\underset{x=0}{\overset{M-2}{\Sigma }}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x,y+1)|$上两式中，Gray(x，y)为被评价图像像素点(x，y)的灰度，M、N为被评价图像在X、Y方向的像素数；所述归一化灰度差NGD由下式获得：$\mathrm{NGD}=\frac{\mathrm{AOG}-|\mathrm{AOG}-\mathrm{AG}|}{\mathrm{AOG}}$上式中，|·|为绝对值算符，AOG表示人类视觉最佳平均灰度；AG表示被评价图像平均灰度值，由下式计算：$\mathrm{AG}=\frac{1}{M\times N}\underset{y=0}{\overset{N-1}{\Sigma }}\underset{x=0}{\overset{M-1}{\Sigma }}\mathrm{Gray}(x,y)$上式中，Gray(x，y)为被评价图像像素点(x，y)的灰度值，M、N为被评价图像在X、Y方向的像素数；所述被评价图像的关键区域为被评价图像中背景均匀区域，关键区域标准差SD_KR由下式获得：${\mathrm{SD}}_{\mathrm{KR}}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{(x_i-\mu )}^2}$上式中，x_i表示关键区域像数点的灰度值，μ表示关键区域像素点灰度值的均值；(四)建立灰度图像质量评价函数NCAF，所用公式为：$\mathrm{NCAF}=\frac{\mathrm{InE}{n}^{\alpha }{\mathrm{AC}}^{\beta }{\mathrm{NGD}}^{\gamma }}{1+{\mathrm{SD}}_{\mathrm{KR}}^{\eta }}$考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]；不考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，${\mathrm{SD}}_{\mathrm{KR}}^{\eta }=0;$(五)计算被评价图像的灰度图像质量评价函数NCAF的值。