CN101370154A - 一种图像质量的评测方法及装置 - Google Patents
一种图像质量的评测方法及装置 Download PDFInfo
- Publication number
- CN101370154A CN101370154A CNA2008102244537A CN200810224453A CN101370154A CN 101370154 A CN101370154 A CN 101370154A CN A2008102244537 A CNA2008102244537 A CN A2008102244537A CN 200810224453 A CN200810224453 A CN 200810224453A CN 101370154 A CN101370154 A CN 101370154A
- Authority
- CN
- China
- Prior art keywords
- image
- altimetric image
- result
- edge
- reference picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012545 processing Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 60
- 230000000007 visual effect Effects 0.000 abstract description 29
- 230000002708 enhancing effect Effects 0.000 abstract description 9
- 238000013441 quality evaluation Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 230000035807 sensation Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种图像质量的评测方法及装置,其中,所述方法包括:计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果;计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果;根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。根据人类视觉系统的特性综合评测亮度分量损失和边缘损失,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
Description
技术领域
本发明主要涉及图像处理技术领域,尤其涉及一种图像质量的评测方法及图像质量的评测装置。
背景技术
图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并进而产生视觉的实体。人类从外界获得的信息约有75%是从图像中获得的。随着信号处理和计算机科学技术的发展,图像工程也成为一门内容丰富且发展迅速的学科。一个图像系统包括图像的采集、显示、存储、通信、处理和分析。它广泛应用于国民经济中的各个领域,如:科学研究、工业生产、医疗卫生、教育、娱乐、管理和通信领域,对推动社会发展,改善人们生活水平都起到重要作用。虽然图像技术取得了迅速的发展,但在目前的技术水平下仍需要在图像处理算法和设备的设计中做出某些折衷,如时间分辨与噪声敏感度之间的折衷、空间分辨率与图像尺寸的折衷、亮度的范围与阶数之间的折衷。当在其中做出某种选择后,将会影响到重建图像的感观。为了取得最优的选择,有必要知道这些选择的结果怎样,会给重建图像的感观造成怎样的影响。通过图像质量评测方法,可以对一些图像处理方法进行有效的评估,最终取得一个较好的图像效果。
目前的数字图像质量评测的研究可以分为两种完全不同的方法:主观评测和客观评测。
第一种主要是通过主观实验来评测图像质量。一个典型的方法是国际电信联盟(ITU,International Telecommunications Union)提出的基于电视图像的主观评测方法,主观评测实验是指,在一定的条件下(图像源,显示设备和观看条件等)下,给观看者同时提供两幅图片,其中一幅是原始图像,另一幅是失真图像。原始的图像是没有任何损伤的,失真图像可能有失真也可能没有,即失真为零。对于观看者应包括普通人和图像专业人员和非专业人员。最后还要对大量的评测分数据进行统计(均值、标准偏差、95%置信度区间等)。主观评测的结果有两种表示方法:一种是绝对评分表达MOS(Mean Opinion Score),即表示失真图像的绝对质量;另一种是差值表达DMOS(Difference MeanOpinion Score),即表示失真图像与原始图像评测成绩的绝对差。
图像是为人所观看的,因而主观实验评测方法是评测图像质量最准确和最有效的方法,但是存在严重缺陷,即主观评测实验十分耗时,因为评测者一般需要一个群体,并且需要经过培训以准确判定主观评测分,人力和物力投入大,为时较长;并且图像内容与情节千变万化,观察者个体差异大,容易发生主观上的偏差,评测结果因人而异。实际中,需要实验的数据量非常大,并且每次做出新的设计选择时都要重新进行实验,而主观评测实验只能测试有限数量的图像样本。因此,该方法很难在实际中应用。人们迫切需要设计客观的图像质量评测方法来近似反映主观感受,这就是第二种数字图像质量的评测方法——数字图像质量客观评测方法。
在现有技术中,客观的图像质量评测方法主要是峰值信噪比(PSNR,PeakSignal-to-Noise-Ratio),其主要是从纯数学的角度对图像的像素之间的误差的统计,PSNR评测通常是在RGB颜色域上评测或亮度分量上评测图像质量,其评测结果与主观评测一致性较差,评测结果不准确,性能有很大的局限性。
发明内容
本发明提出一种图像质量的评测方法及装置,根据人类视觉系统的特性综合评测亮度分量损失和边缘损失,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
本发明的技术方案是这样实现的:
一种图像质量的评测方法,包括:
计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果;
计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果;
根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
优选的,在所述计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果前还包括:
对所述被测图像和所述参考图像进行边缘检测。
优选的,在所述计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果前还包括:
判断所述被测图像和所述参考图像是否是YUV颜色域,如果是则进入下一步骤;
否则将所述被测图像和所述参考图像转换到YUV颜色域,然后再进入下一步骤。
优选的,所述根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数包括:
给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比;
根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
优选的,所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
优选的,根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
优选的,根据PSNR方法计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
一种图像质量的评测装置,包括:
第一处理单元,用于计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果;
第二处理单元,用于计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果;
第三处理单元,用于根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
优选的,还包括:
边缘检测单元,用于对所述被测图像和所述参考图像进行边缘检测。
优选的,还包括:
转换单元,用于当所述被测图像和所述参考图像不是YUV颜色域时,将所述被测图像和所述参考图像转换到YUV颜色域。
优选的,还包括:
权重分配单元,用于给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比;
所述第三处理单元根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
优选的,所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
本发明技术方案根据人类视觉系统的特性,利用人眼对图像边缘的损失比较敏感,计算图像在亮度分量上的损失和边缘损失,根据亮度损失和边缘损失综合评测图像的质量,从而获得更靠近主观评测的评测结果,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
附图说明
图1为本发明一种图像质量评测方法第一实施例的流程图;
图2为本发明一种图像质量评测方法第二实施例的流程图;
图3为本发明一种图像质量评测装置第一实施例的组成结构图;
图4为本发明一种图像质量评测装置第二实施例的组成结构图。
具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白,下面结合附图及具体实施例对本发明再作进一步详细的说明。
参照图1,示出了本发明一种图像质量评测方法第一实施例的流程图,包括步骤:
步骤110、计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
人类视觉系统(HVS,Human Visual System)对亮度的感觉比对颜色更加敏感。
计算被测图像相对于参考图像在亮度分量上的损失的方法有很多,本发明实施例优选的是根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。所述PSNR方法可以表示为:
其中,M×N表示图像的像素数量,即图像的大小,om,n为参考图像中的点(m,n)的像素值;rm,n为被测图像中的点(m,n)的像素值,A为om,n中的最大值,通常取255。
步骤120、计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
人类视觉系统对边缘的损失也很敏感,在图像处理过程中常会加入边缘增强,增加图像的层次感;本发明可以先利用边缘检测技术检测出图像的边缘,计算出被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。计算被测图像相对于参考图像边缘损失的方法也有很多,如PSNR方法等。
本步骤中,可以先利用Sobel算子、Canny算子、Prewitt算子等评估参数,对参考图像和被测图像进行边缘提取,然后比较两者的边缘,得到量化的比较结果。
步骤130、根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
根据亮度损失结果和边缘损失结果综合得出被测图像的质量分数,本发明实施例优选的是:给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比,根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。所述质量分数可以是一个具体的反映图像质量的数值,也可以是一个图像质量的评价。
为了更加符合人类视觉系统的特性,本发明实施例优选的是:所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
本发明实施例在现有PSNR评测方法,即PSNR评测通常在RGB颜色域上评测或亮度分量上评测基础上,根据人类视觉系统的特征进行了改进;由于人眼对边缘的损失很敏感,图像处理过程中常会加入边缘增强,增加图像的层次感;因此在原来PSNR的基础上,给边缘损失一定的权重,这样评测的图像质量分数与主观评测更加一致。
本发明技术方案根据人类视觉系统的特性,利用人眼对图像边缘的损失比较敏感,计算图像在亮度分量上的损失和边缘损失,根据亮度损失和边缘损失综合评测图像的质量,从而获得更靠近主观评测的评测结果,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
参照图2,示出了本发明一种图像质量评测方法第二实施例的流程图,包括步骤:
步骤210、将被测图像和参考图像从其它颜色域转换到YUV颜色域。
在图像的各种颜色域中,YUV(YCrCb,是被欧洲电视系统所采用的一种颜色编码方法)颜色域是比较符合人类视觉系统特性的颜色域,因此本发明实施例优选在YUV颜色域上进行图像质量的评测。
首先判断被测图像和参考图像是否是YUV颜色域,如果不是,则将被测图像和参考图像从其它颜色域转换到YUV颜色域,其它颜色域包括RGB(red、green、blue,红、绿、蓝三原色)颜色域等。
以下以从RGB颜色转换到YUV颜色域为例进行说明:
Y是图像的亮度(Luminance/Luma)分量,使用以下公式计算,为R、G、B分量的加权平均值:
Y=kr R+kg G+kb B
其中k是权重因数。
上面的公式计算出了亮度信息,在YUV颜色域中还有颜色信息,使用色差(Color difference/Chrominance或Chroma)表示,其中每个色差分量为R、G、B值和亮度Y的差值:
Cb=B-Y
Cr=R-Y
Cg=G-Y
其中,Cb+Cr+Cg是一个常数(其实是一个关于Y的表达示)。建议在计算Y时,权重选择为kr=0.299,kg=0.587,kb=0.114。于是转换公式如下:
Y=0.299R+0.587G+0.114B
Cb=0.564(B-Y)
Cr=0.713(R-Y)
R=Y+1.402Cr
G=Y-0.344Cb-0.714Cr
B=Y+1.772Cb
通过以上公式,即可将图像从RGB颜色域转换到YUV颜色域了。对于其它颜色域,现有技术中都有相应的转换方法,在此不再赘述。
步骤220、计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
人类视觉系统(HVS,Human Visual System)对亮度的感觉比对颜色更加敏感。
计算被测图像相对于参考图像在亮度分量上的损失的方法有很多,本发明实施例优选的是根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。所述PSNR方法在前面进行了详细描述,在此不再赘述。
步骤230、对所述被测图像和所述参考图像进行边缘检测。
可以利用Sobel算子、Canny算子、Prewitt算子等评估参数,对参考图像和被测图像进行边缘提取,然后进入下一步骤。
步骤240、计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
人类视觉系统对边缘的损失也很敏感,在图像处理过程中常会加入边缘增强,增加图像的层次感;本发明可以先利用边缘检测技术检测出图像的边缘,计算出被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。计算被测图像相对于参考图像边缘损失的方法也有很多,如PSNR方法等。
步骤250、给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比。
给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比,根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
步骤260、根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
为了更加符合人类视觉系统的特性,本发明实施例优选的是:所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
本发明实施例在现有PSNR评测方法,即PSNR评测通常在RGB颜色域上评测或亮度分量上评测基础上,根据人类视觉系统的特征进行了改进;由于人眼对边缘的损失很敏感,图像处理过程中常会加入边缘增强,增加图像的层次感;因此在原来PSNR的基础上,给边缘损失一定的权重,这样评测的图像质量分数与主观评测更加一致。
本发明技术方案根据人类视觉系统的特性,利用人眼对图像边缘的损失比较敏感,计算图像在亮度分量上的损失和边缘损失,根据亮度损失和边缘损失综合评测图像的质量,从而获得更靠近主观评测的评测结果,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
参照图3,示出了本发明一种图像质量评测装置第一实施例的组成结构图,所述图像质量评测装置300包括:
第一处理单元310、用于计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
人类视觉系统(HVS,Human Visual System)对亮度的感觉比对颜色更加敏感。
所述第一处理单元310计算被测图像相对于参考图像在亮度分量上的损失的方法有很多,本发明实施例优选的是根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
第二处理单元320、用于计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
人类视觉系统对边缘的损失也很敏感,在图像处理过程中常会加入边缘增强,增加图像的层次感;本发明可以先利用边缘检测技术检测出图像的边缘,计算出被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。所述第二处理单元320计算被测图像相对于参考图像边缘损失的方法也有很多,如PSNR方法等。
第三处理单元330、用于根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
根据亮度损失结果和边缘损失结果综合得出被测图像的质量分数,本发明实施例优选的是:给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比,根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
为了更加符合人类视觉系统的特性,本发明实施例优选的是:所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
本发明实施例在现有PSNR评测方法,即PSNR评测通常在RGB颜色域上评测或亮度分量上评测基础上,根据人类视觉系统的特征进行了改进;由于人眼对边缘的损失很敏感,图像处理过程中常会加入边缘增强,增加图像的层次感;因此在原来PSNR的基础上,给边缘损失一定的权重,这样评测的图像质量分数与主观评测更加一致。
本发明技术方案根据人类视觉系统的特性,利用人眼对图像边缘的损失比较敏感,计算图像在亮度分量上的损失和边缘损失,根据亮度损失和边缘损失综合评测图像的质量,从而获得更靠近主观评测的评测结果,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
参照图4,示出了本发明一种图像质量评测装置第二实施例的组成结构图,所述图像质量评测装置400包括:
转换单元410、用于当被测图像和参考图像不是YUV颜色域时,将所述被测图像和所述参考图像从其它颜色域转换到YUV颜色域。
在图像的各种颜色域中,YUV(YCrCb,是被欧洲电视系统所采用的一种颜色编码方法)颜色域是比较符合人类视觉系统特性的颜色域,因此本发明实施例优选在YUV颜色域上进行图像质量的评测。
第一处理单元420、用于计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
人类视觉系统(HVS,Human Visual System)对亮度的感觉比对颜色更加敏感。
所述第一处理单元420计算被测图像相对于参考图像在亮度分量上的损失的方法有很多,本发明实施例优选的是根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
边缘检测单元430、用于对所述被测图像和所述参考图像进行边缘检测。
所述边缘检测单元430可以利用Sobel算子、Canny算子、Prewitt算子等评估参数,对参考图像和被测图像进行边缘提取。
第二处理单元440、用于计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
人类视觉系统对边缘的损失也很敏感,在图像处理过程中常会加入边缘增强,增加图像的层次感;本发明可以先利用边缘检测技术检测出图像的边缘,计算出被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。所述第二处理单元440计算被测图像相对于参考图像边缘损失的方法也有很多,如PSNR方法等。
权重分配单元450、用于给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比。
第三处理单元460、用于根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
根据亮度损失结果和边缘损失结果综合得出被测图像的质量分数,本发明实施例优选的是:给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比,根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
为了更加符合人类视觉系统的特性,本发明实施例优选的是:所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
本发明实施例在现有PSNR评测方法,即PSNR评测通常在RGB颜色域上评测或亮度分量上评测基础上,根据人类视觉系统的特征进行了改进;由于人眼对边缘的损失很敏感,图像处理过程中常会加入边缘增强,增加图像的层次感;因此在原来PSNR的基础上,给边缘损失一定的权重,这样评测的图像质量分数与主观评测更加一致。
本发明技术方案根据人类视觉系统的特性,利用人眼对图像边缘的损失比较敏感,计算图像在亮度分量上的损失和边缘损失,根据亮度损失和边缘损失综合评测图像的质量,从而获得更靠近主观评测的评测结果,提高了客观评测与主观评测结果的一致性,提高了评测结果的准确性。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括如上述方法实施例的步骤,所述的存储介质,如:ROM/RAM、磁碟、光盘等。在本发明方法实施例中,所述步骤的先后序号并不能用于限定各步骤的先后顺序。各步骤可以同时执行或也可以以其它的顺序执行。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种图像质量的评测方法,其特征在于,包括:
计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果;
计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果;
根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
2.根据权利要求1所述的图像质量的评测方法,其特征在于,在所述计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果前还包括:
对所述被测图像和所述参考图像进行边缘检测。
3.根据权利要求2所述的图像质量的评测方法,其特征在于,在所述计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果前还包括:
判断所述被测图像和所述参考图像是否是YUV颜色域,如果是则进入下一步骤;
否则将所述被测图像和所述参考图像转换到YUV颜色域,然后再进入下一步骤。
4.根据权利要求3所述的图像质量的评测方法,其特征在于,所述根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数包括:
给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比;
根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
5.根据权利要求4所述的图像质量的评测方法,其特征在于:
所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
6.根据权利要求1至5任一项所述的图像质量的评测方法,其特征在于:
根据PSNR方法计算所述被测图像相对于所述参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果。
7.根据权利要求1至5任一项所述的图像质量的评测方法,其特征在于:
根据PSNR方法计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果。
8.一种图像质量的评测装置,其特征在于,包括:
第一处理单元,用于计算被测图像相对于参考图像在亮度分量上的损失,获得所述被测图像的亮度损失结果;
第二处理单元,用于计算所述被测图像相对于所述参考图像的边缘损失,获得所述被测图像的边缘损失结果;
第三处理单元,用于根据所述被测图像的所述亮度损失结果和所述边缘损失结果获得所述被测图像的质量分数。
9.根据权利要求8所述的图像质量的评测装置,其特征在于,还包括:
边缘检测单元,用于对所述被测图像和所述参考图像进行边缘检测。
10.根据权利要求9所述的图像质量的评测装置,其特征在于,还包括:
转换单元,用于当所述被测图像和所述参考图像不是YUV颜色域时,将所述被测图像和所述参考图像转换到YUV颜色域。
11.根据权利要求10所述的图像质量的评测装置,其特征在于,还包括:
权重分配单元,用于给所述被测图像的所述亮度损失结果和所述边缘损失结果分配权重比;
所述第三处理单元根据所述被测图像的所述亮度损失结果及其权重比和所述边缘损失结果及其权重比获得所述被测图像的质量分数。
12.根据权利要求11所述的图像质量的评测装置,其特征在于:
所述亮度损失结果的权重比大于所述边缘损失结果的权重比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102244537A CN101370154A (zh) | 2008-10-15 | 2008-10-15 | 一种图像质量的评测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008102244537A CN101370154A (zh) | 2008-10-15 | 2008-10-15 | 一种图像质量的评测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101370154A true CN101370154A (zh) | 2009-02-18 |
Family
ID=40413737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008102244537A Pending CN101370154A (zh) | 2008-10-15 | 2008-10-15 | 一种图像质量的评测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101370154A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142145A (zh) * | 2011-03-22 | 2011-08-03 | 宁波大学 | 一种基于人眼视觉特性的图像质量客观评价方法 |
CN103841411A (zh) * | 2014-02-26 | 2014-06-04 | 宁波大学 | 一种基于双目信息处理的立体图像质量评价方法 |
CN109461123A (zh) * | 2018-08-30 | 2019-03-12 | 易诚博睿(南京)科技有限公司 | 一种针对图像质量客观评测点图的几何畸变自动分析方法 |
CN111047575A (zh) * | 2019-12-12 | 2020-04-21 | 青海奥珞威信息科技有限公司 | 无人机电力巡线影像质量盲评估方法 |
CN112153371A (zh) * | 2020-08-24 | 2020-12-29 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN113792661A (zh) * | 2021-09-15 | 2021-12-14 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备以及存储介质 |
-
2008
- 2008-10-15 CN CNA2008102244537A patent/CN101370154A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142145A (zh) * | 2011-03-22 | 2011-08-03 | 宁波大学 | 一种基于人眼视觉特性的图像质量客观评价方法 |
CN102142145B (zh) * | 2011-03-22 | 2012-12-19 | 宁波大学 | 一种基于人眼视觉特性的图像质量客观评价方法 |
CN103841411A (zh) * | 2014-02-26 | 2014-06-04 | 宁波大学 | 一种基于双目信息处理的立体图像质量评价方法 |
CN103841411B (zh) * | 2014-02-26 | 2015-10-28 | 宁波大学 | 一种基于双目信息处理的立体图像质量评价方法 |
CN109461123A (zh) * | 2018-08-30 | 2019-03-12 | 易诚博睿(南京)科技有限公司 | 一种针对图像质量客观评测点图的几何畸变自动分析方法 |
CN109461123B (zh) * | 2018-08-30 | 2019-06-14 | 易诚博睿(南京)科技有限公司 | 一种针对图像质量客观评测点图的几何畸变自动分析方法 |
CN111047575A (zh) * | 2019-12-12 | 2020-04-21 | 青海奥珞威信息科技有限公司 | 无人机电力巡线影像质量盲评估方法 |
CN112153371A (zh) * | 2020-08-24 | 2020-12-29 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN112153371B (zh) * | 2020-08-24 | 2021-07-20 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN113792661A (zh) * | 2021-09-15 | 2021-12-14 | 北京市商汤科技开发有限公司 | 图像检测方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101389045B (zh) | 一种图像质量的评测方法及装置 | |
CN101853504B (zh) | 基于视觉特性与结构相似度的图像质量评测方法 | |
CN100559881C (zh) | 一种基于人工神经网络的视频质量评价方法 | |
US8760578B2 (en) | Quality assessment of high dynamic range, visual dynamic range and wide color gamut image and video | |
CN100559880C (zh) | 一种基于自适应st区的高清视频图像质量评价方法及装置 | |
CN104361593B (zh) | 一种基于hvs和四元数的彩色图像质量评价方法 | |
Toet et al. | A new universal colour image fidelity metric | |
US20070103551A1 (en) | Method and system for measuring video quality | |
CN101370154A (zh) | 一种图像质量的评测方法及装置 | |
US8587606B2 (en) | Apparatus and method for processing image, and apparatus for displaying image | |
US8948504B2 (en) | Device and machine readable medium for determining image hue | |
CN110505472A (zh) | 一种h.265超高清视频质量评价方法 | |
CN113132696B (zh) | 图像色调映射方法、装置、电子设备和存储介质 | |
CN102088539B (zh) | 一种预拍照画质评价方法和系统 | |
CN105913460A (zh) | 一种肤色检测方法及装置 | |
CN106412571B (zh) | 一种基于梯度相似性标准差的视频质量评价方法 | |
CN109218716A (zh) | 基于色彩统计和信息熵无参考色调映射图像质量评价方法 | |
Hanhart et al. | Subjective and objective evaluation of HDR video coding technologies | |
CN104346809A (zh) | 采用高动态范围的图像质量数据集的图像质量评价方法 | |
CN106023214A (zh) | 基于中央凹视梯度结构相似性的图像质量评价方法及系统 | |
CN107018410A (zh) | 一种基于预注意机制和空间依赖性的无参考图像质量评价方法 | |
CN104954627A (zh) | 一种信息处理方法及电子设备 | |
Gao et al. | Quality assessment for visible and infrared color fusion images of typical scenes | |
Gracheva et al. | Subjective assessment of the quality of static and video images from mobile phones | |
CN112601080B (zh) | 判断电视单色场信号的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20090218 |