CN101441768A - 基于结构失真和图像清晰度的图像质量评价方法 - Google Patents
基于结构失真和图像清晰度的图像质量评价方法 Download PDFInfo
- Publication number
- CN101441768A CN101441768A CNA2008101979748A CN200810197974A CN101441768A CN 101441768 A CN101441768 A CN 101441768A CN A2008101979748 A CNA2008101979748 A CN A2008101979748A CN 200810197974 A CN200810197974 A CN 200810197974A CN 101441768 A CN101441768 A CN 101441768A
- Authority
- CN
- China
- Prior art keywords
- image
- sigma
- overbar
- original image
- distorted
- 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
Images
Abstract
本发明公开了一种基于结构失真和图像清晰度的图像质量评价方法,该方法在基于结构失真的图像质量评价方法的基础上,提出结合图像清晰度与结构失真的图像质量评价方法,从而实现了从影响图像质量评价的主要因素即亮度、清晰度以及相关度对图像质量进行评价。本发明基于结构失真和清晰度的图像质量评价方法在客观评价图像时更能与人眼主观感觉相一致,并且由于所选用的计算关系式较为简单,只涉及到原始图像与失真图像像素之间的计算,所以该方法能够快速有效的对图像质量进行评价。
Description
技术领域
本发明属于图像质量评价领域,特别是涉及一种基于图像的亮度、清晰度和相关度的客观图像质量评价算法。
背景技术
图像质量评价是图像处理系统的关键技术之一,对图像的质量进行评价是一种复杂的心理活动,有很多因素影响到对图像质量好坏的判断。如果将这些因素分别提取并应用于对图像的客观评价中将能很好的对图像质量进行判定。这些因素主要有:①亮度,适当的亮度是人观察图像的基本条件,亮度过强或者过弱都会引起图像质量的下降;②清晰度,人们常用模糊,清晰等词汇来描述图像的质量。从频域角度看,只有当一幅图像的高低频信息比例适当时会有清晰的感觉;③相关度,即图像之间的相似程度。
图像质量评价方法可分为主观质量评价方法和客观质量评价方法两类。主观质量评价方法是指让观察者根据一些事先规定好的评价尺度或自己已有的经验,对待测试图像按视觉或主观印象提出质量判断,并给出质量分值。最常用的主观质量评价方法有主观平均分(MOS),该方法已经应用多年。然而,MOS方法往往受到观察者本身因素的影响,而且进行视觉心理测试经常需要花费的时间较长,对观察环境有一定的限制。因此,目前在图像质量评价中主要使用客观质量评价方法。这几乎在所有有关图像质量评价的文献和研究论文中均有论述。图像的客观质量评价方法是指用再现图像偏离原始图像的误差来衡量再现图像的质量。其主要是应用数学模型来表示视觉对图像的主观感受。数学模型的应用使得图像的客观质量评价具有快速、稳定、易于被量化的特点,传统的图像客观质量评价通常基于与标准图像的灰度差异越大质量退化越严重的思想,具有代表性的方法有均方误差(MSE)、峰值信噪比(PSNR)、图像清晰度、信息熵(H)等。这些常用的客观质量评价方法虽然看起来简单直观,数学表达严格,但是其评价结果往往与人的主观感觉不一致。主要原因在于PSNR值和MSE值都是从总体上反映原始图像和测试图像的差别,其反映的是图像误差的整体统计特性,却并不能反映图像误差的局部统计特性,更不能反映少数像素点有较大灰度差别和多数像素点有较小灰度差别的特性。
Zhou Wang等学者提出了一种基于结构失真的图像质量评价方法。该图像质量评价指标将图像质量降低模拟为结构失真而不是误差。该方法是一个简单有效的质量评价算法,这种评价模型的优点是对图像处理过程中的相关性、亮度失真和反差等因素进行分析研究,而这些因素正是人们评价图像输出质量的重要依据。Q的动态范围为[-1,1]。只有当i=1,2,...,N都有yi=xi时,Q才能达到最佳值1。然而,基于结构失真的图像质量评价模型在评价失真图像质量时,也有一定的缺陷性。其主要原因在于该模型没有考虑人眼视觉系统中的对比敏感度对图像评价的影响。人眼视觉系统的对比敏感度主要反映在图像的清晰度等方面。
图像的清晰度是指刻画图像特征的清晰程度,也就是特征(边缘)与其背景区域的对比度。清晰度是用来反映图像边缘或点特征的扩散程度的度量,扩散程度越大,清晰度越低,扩散程度越小,清晰度越高。定量评价清晰度的指标较多。目前,最为成熟的清晰度评价方法是调制传递函数(MTF—Modulation Transfer Function),但是MTF的测定较为复杂。为了简捷,快速的反映整幅影像的清晰度变化,引入了全局点锐度算法作为一种近似的清晰度评价依据。该评价参数与数字成像系统的MTF值变化有较好的正相关关系,能够准确,快速的反应数字图像清晰度变化的趋势。
图像的清晰度不但反映了人眼视觉系统中的对比敏感度对图像评价的影响,而且考虑了人眼对于对角线方向的敏感度要低于水平和垂直方向等因素。但是,对于引进噪声的失真图像,并非图像清晰度值越高图像的主观视觉越好,原因在于图像的清晰度是对图像本身像素之间的计算,它并没有考虑到失真图像与原始图像的相关性。
发明内容
为了客服上述现有技术的不足,本发明提供一种结构失真和图像清晰度的图像质量评价方法。
实现本发明目的采用的技术方案是:一种考虑图像的亮度、清晰度和相关度等因素的客观图像质量评价算法,包括以下步骤:
(1)计算原始图像与失真图像的均值x,y,利用关系式来计算原始图像与失真图像的平均亮度逼近度,其中,x,y分别代表原始图像与失真图像, 平均亮度逼近度的取值范围为[0,1],只有当x=y时,其值为1。
(3)计算原始图像与失真图像的均方误差σx 2,σy 2,σxy,利用关系式来计算原始图像与失真图像的相似度。其取值范围也为[0,1],只有当σx=σy时取得最佳值1。
(4)计算原始图像与失真图像的单位距离增量的灰度变化幅值df/dx,利用关系式 来计算原始图像与失真图像的清晰度。清晰度的值域为[0,255),值越大,清晰度越高。
(5)综合上述图像质量评价参数,定义基于结构失真和清晰度的图像质量评价指标 该评价方法可以从图像的亮度、清晰度以及相关性三方面对图像质量进行综合评价。
本发明具有以下优点:
基于结构失真的图像质量评价方法将图像质量降低模拟为结构失真而不是误差,本发明在基于结构失真的图像质量评价方法的基础上,提出结合图像清晰度与结构失真的图像质量评价方法,从而实现了从影响图像质量评价的主要因素即亮度、清晰度以及相关度对图像质量进行评价。实验结果表明,基于结构失真和清晰度的图像质量评价方法在客观评价图像时更能与人眼主观感觉相一致。并且由于所选用的计算关系式较为简单,只涉及到原始图像与失真图像像素之间的计算,所以该算法能够快速有效的对图像质量进行评价。
附图说明
下面结合附图和具体实施例对本发明作进一步的说明。
图1为原始图像。
图2为图1中加入均匀分布随机噪声的图像。
图3为图1中加入高斯噪声的图像。
图4为模糊处理图1后的图像。
图5为压缩处理图1后的图像。
图6为原始图像。
图7为图6中加入均匀分布随机噪声的图像。
图8为图6中加入高斯噪声的图像。
图9为图6模糊处理后的图像。
图10为图6压缩处理的图像。
具体实施方式
本发明基于结构失真和图像清晰度的图像质量评价方法包括以下步骤:
(1)利用软件读入原始图像与失真图像,本实施例中选用Lena图为测试图像,如附图所示,图1为原始图像,图2为加入均匀分布随机噪声的图像,图3为加入高斯噪声的图像,图4为模糊处理的图像,图5为压缩处理的图像。此时,图像在软件中以矩阵的形式存储,若设图像大小为m×n,则矩阵的大小为m×n,在本实施例中,令N=m×n,矩阵中的每个元素存储着对应图像的像素值。
(2)在本实施例的以下步骤中,令x,y分别代表原始图像与失真图像的像素值,对于各幅失真图像,分别与原始图像进行比较,计算每幅图对应的x,y,σx,σy,σxy,
(2-4)并通过公式 得到各幅失真图像与原始图像相比的Q值。Q值反映了图像的平均亮度逼近度、线性相关度和相似度的指标。其中,令Q21、Q31、Q41、Q51分别代表失真图像图2,图3,图4,图5与原始图像图1相比计算得到的Q值,在本实施例中,Q21=0.647,Q31=0.647,Q41=0.647,Q51=0.647。
编程实现原始图像与失真图像的单位距离增量的灰度变化幅值df/dx的计算,利用关系式 来计算原始图像与失真图像的清晰度,清晰度的值域为[0,255),值越大,清晰度越高。令P21、P31、P41、P51分别代表失真图2,图3,图4,图5与原始图像图1相比计算得到的P值,在本实施例中,P21=16.7663,P31=15.5805,P41=4.9496,P51=5.5059。
(3)基于结构失真和清晰度的图像质量评价指标 PQ可以从图像的亮度、清晰度以及相关性三方面对图像质量进行综合评价。令PQ21、PQ31、PQ41、PQ51分别代表图2,图3,图4,图5与原始图像图1相比计算得到的PQ值,在本实施例中,PQ21=0.04254,PQ31=0.03953,PQ41=0.01256,PQ51=0.01662。
(4)本实施例还给出了失真图像图2,图3,图4,图5与原始图像图1相比计算得到的传统图像质量评价参数PSNR值,PSNR值由以下公式得出 其中,M×N为图像的大小,f(m,n),b(m,n)分别代表原始图像与失真图像的对应像素值。PSNR21=27.587,PSNR31=22.885,PSNR41=24.84,PSNR51=25.523。
(5)结合附图,图2,图3,图4和图5,与原始图像图1相比,可以看出图2,图3,图4,图5的视觉效果并不一致,图2和图3的主观感觉要明显优于图4和图5。下表1为图2、图3、图4和图5的Q值、PSNR值和PQ值测试结果。表1中的PQ值正好反映了这一点,然而Q21=Q31=Q41=Q51=0.647。Q值以及PSNR值不能将各失真图像的差别体现出来,所以基于清晰度和结构失真的图像质量评价方法得出的结果更符合人眼的视觉感受。针对图6、图7、图8、图9和图10,重复上述的操作步骤,得出每幅图的Q值、PSNR值、PQ值测试结果,如表2所示。表2为图7、图8、图9和图10的Q值、PSNR值、PQ值测试结果。在Q值以及PSNR值不能将各失真图像的差别体现出来时,通过PQ值能直接评价出图像的质量。与原始图像图6相比,图7和图8的主观感觉要明显优于图9和图10。因此本发明方法基于清晰度和结构失真的图像质量评价方法得出的结果更符合人眼的视觉感受。
Lena图质量评价 | 图2 | 图3 | 图4 | 图5 |
Q值 | 0.647 | 0.647 | 0.647 | 0.647 |
PSNR值 | 27.587 | 22.885 | 24.84 | 25.523 |
PQ值 | 0.04254 | 0.03953 | 0.01256 | 0.01662 |
表1
Barbara图质量评价 | 图7 | 图8 | 图9 | 图10 |
Q值 | 0.508 | 0.508 | 0.508 | 0.508 |
PSNR值 | 18.267 | 18.318 | 21.34 | 21.24 |
PQ值 | 0.08017 | 0.07648 | 0.01012 | 0.01397 |
表2
Claims (5)
1.一种基于结构失真和图像清晰度的图像质量评价方法,其特征是在于包括以下步骤:
(1)计算原始图像与失真图像的均值x,y,利用关系式来计算原始图像与失真图像的平均亮度逼近度,其中x,y分别代表原始图像与失真图像的像素值,
(4)计算原始图像与失真图像的单位距离增量的灰度变化幅值df/dx,利用关系式 来计算原始图像与失真图像的清晰度。
(5)综合上述图像质量评价参数,定义基于结构失真和清晰度的图像质量评价指标 该评价方法从图像的亮度、清晰度以及相关性三方面对图像质量进行综合评价。
2.根据权利要求1所述基于结构失真和图像清晰度的图像质量评价方法,其特征在于:平均亮度逼近度的取值范围为[0,1],当x=y时,其值为1。
3.根据权利要求1所述基于结构失真和图像清晰度的图像质量评价方法,其特征在于:线性相关度的动态范围为[-1,1]。
4.根据权利要求1所述基于结构失真和图像清晰度的图像质量评价方法,其特征在于:相似度取值范围也为[0,1],当σx=σy时取得最佳值1。
5.根据权利要求1所述基于结构失真和图像清晰度的图像质量评价方法,其特征在于:清晰度的值域为[0,255)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101979748A CN101441768A (zh) | 2008-11-28 | 2008-11-28 | 基于结构失真和图像清晰度的图像质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101979748A CN101441768A (zh) | 2008-11-28 | 2008-11-28 | 基于结构失真和图像清晰度的图像质量评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101441768A true CN101441768A (zh) | 2009-05-27 |
Family
ID=40726187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101979748A Pending CN101441768A (zh) | 2008-11-28 | 2008-11-28 | 基于结构失真和图像清晰度的图像质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101441768A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950422A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种基于奇异值分解的图像质量评价方法 |
CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN102663764A (zh) * | 2012-04-25 | 2012-09-12 | 武汉大学 | 基于结构失真与空间频率指标的图像质量评价方法 |
CN102713977A (zh) * | 2010-01-12 | 2012-10-03 | 西江大学校产学协力团 | 使用量化代码的图片质量评估方法和设备 |
CN102917157A (zh) * | 2012-10-19 | 2013-02-06 | 北京快联科技有限公司 | 一种基于人体视觉系统的图片压缩系统及方法 |
CN104112272A (zh) * | 2014-07-04 | 2014-10-22 | 上海交通大学 | 基于结构降化模型的半参考图像质量评价方法 |
CN107424146A (zh) * | 2017-06-28 | 2017-12-01 | 北京理工大学 | 一种红外偏振图像质量客观评价方法和系统 |
CN107784645A (zh) * | 2016-08-26 | 2018-03-09 | 广州康昕瑞基因健康科技有限公司 | 图像清晰度评价方法及系统、自动聚焦方法 |
CN107835367A (zh) * | 2017-11-14 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
CN112435231A (zh) * | 2020-11-20 | 2021-03-02 | 深圳市慧鲤科技有限公司 | 图像质量标尺生成方法、评测图像质量的方法及装置 |
CN113222981A (zh) * | 2021-06-01 | 2021-08-06 | 山东贝特建筑项目管理咨询有限公司 | 一种保温板中锚栓图像的处理方法和系统 |
CN116843683B (zh) * | 2023-08-30 | 2024-03-05 | 荣耀终端有限公司 | 设备成像清晰度评估方法、系统和装置 |
-
2008
- 2008-11-28 CN CNA2008101979748A patent/CN101441768A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102713977B (zh) * | 2010-01-12 | 2015-01-07 | 西江大学校产学协力团 | 用于使用量化代码评定图像质量的方法和设备 |
CN102713977A (zh) * | 2010-01-12 | 2012-10-03 | 西江大学校产学协力团 | 使用量化代码的图片质量评估方法和设备 |
CN101980293B (zh) * | 2010-09-02 | 2013-05-22 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
CN101950422B (zh) * | 2010-09-29 | 2014-08-20 | 北京航空航天大学 | 一种基于奇异值分解的图像质量评价方法 |
CN101950422A (zh) * | 2010-09-29 | 2011-01-19 | 北京航空航天大学 | 一种基于奇异值分解的图像质量评价方法 |
CN102663764A (zh) * | 2012-04-25 | 2012-09-12 | 武汉大学 | 基于结构失真与空间频率指标的图像质量评价方法 |
CN102917157A (zh) * | 2012-10-19 | 2013-02-06 | 北京快联科技有限公司 | 一种基于人体视觉系统的图片压缩系统及方法 |
CN104112272A (zh) * | 2014-07-04 | 2014-10-22 | 上海交通大学 | 基于结构降化模型的半参考图像质量评价方法 |
CN107784645A (zh) * | 2016-08-26 | 2018-03-09 | 广州康昕瑞基因健康科技有限公司 | 图像清晰度评价方法及系统、自动聚焦方法 |
CN107424146A (zh) * | 2017-06-28 | 2017-12-01 | 北京理工大学 | 一种红外偏振图像质量客观评价方法和系统 |
CN107835367A (zh) * | 2017-11-14 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
CN112435231A (zh) * | 2020-11-20 | 2021-03-02 | 深圳市慧鲤科技有限公司 | 图像质量标尺生成方法、评测图像质量的方法及装置 |
CN113222981A (zh) * | 2021-06-01 | 2021-08-06 | 山东贝特建筑项目管理咨询有限公司 | 一种保温板中锚栓图像的处理方法和系统 |
CN116843683B (zh) * | 2023-08-30 | 2024-03-05 | 荣耀终端有限公司 | 设备成像清晰度评估方法、系统和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101441768A (zh) | 基于结构失真和图像清晰度的图像质量评价方法 | |
CN103295191B (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN101976444B (zh) | 一种基于像素类型的结构类似性图像质量客观评价方法 | |
CN102170581B (zh) | 基于hvs的ssim与特征匹配立体图像质量评价方法 | |
CN101378519B (zh) | 一种基于Contourlet变换的质降参考图像质量评价方法 | |
CN102421007B (zh) | 基于多尺度结构相似度加权综合的图像质量评价方法 | |
CN102567996A (zh) | 一种遥感卫星图像质量评价的方法 | |
CN104394403B (zh) | 一种面向压缩失真的立体视频质量客观评价方法 | |
CN102663747B (zh) | 一种基于视觉感知的立体图像客观质量评价方法 | |
CN103517065B (zh) | 一种质降参考立体图像质量客观评价方法 | |
CN101950422B (zh) | 一种基于奇异值分解的图像质量评价方法 | |
CN102945552A (zh) | 基于自然场景统计中稀疏表示的无参考图像质量评价方法 | |
CN102129675A (zh) | 一种非线性自适应红外图像增强方法 | |
CN107784651A (zh) | 一种基于模糊检测加权的模糊图像质量评价方法 | |
CN102137271A (zh) | 一种图像质量评价方法及装置 | |
CN104361593A (zh) | 一种基于hvs和四元数的彩色图像质量评价方法 | |
CN102982535A (zh) | 基于psnr和ssim的立体图像质量评价方法 | |
CN105261013A (zh) | 一种扫描图像质量综合评价方法及评价系统 | |
CN103475897A (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN106530244B (zh) | 一种图像增强方法 | |
CN102572499B (zh) | 基于小波变换多分辨率预测的无参考图像质量评价方法 | |
CN102142145A (zh) | 一种基于人眼视觉特性的图像质量客观评价方法 | |
CN102036098B (zh) | 一种基于视觉信息量差异的全参考型图像质量评价方法 | |
CN102663764A (zh) | 基于结构失真与空间频率指标的图像质量评价方法 | |
CN104811691A (zh) | 一种基于小波变换的立体视频质量客观评价方法 |
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 |
Open date: 20090527 |