CN101765026B - 一种图像质量评价值的修正方法和修正系统 - Google Patents
一种图像质量评价值的修正方法和修正系统 Download PDFInfo
- Publication number
- CN101765026B CN101765026B CN2008102407483A CN200810240748A CN101765026B CN 101765026 B CN101765026 B CN 101765026B CN 2008102407483 A CN2008102407483 A CN 2008102407483A CN 200810240748 A CN200810240748 A CN 200810240748A CN 101765026 B CN101765026 B CN 101765026B
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- image quality
- quality evaluation
- evaluation values
- dct coefficient
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像质量评价值的修正方法和修正系统。其中图像质量评价值的修正方法包括:对图像的DCT系数进行“之”字形排列;将经过“之”字形排列的DCT系数划分为多个频域;计算每个频域的修正系数和图像质量评价值;根据修正系数修正图像的图像质量评价值。本发明的图像质量评价值的修正方法和修正系统,通过在视频图像客观评价中引入人眼视觉特性分析,使视频图像的客观质量评价更加准确,且实现非常便捷。
Description
技术领域
本发明涉及一种图像质量评价技术,尤其涉及一种图像质量评价值的修正方法和修正系统。
背景技术
近年来数字视频技术得到了蓬勃的发展。已经形成标准的H.264、MPEG-2、MPEG-4、JPEG2000、AVS等压缩编解码标准,在保持较好图像质量的前提下可以达到很高的压缩比。但在高压缩比情况下,都会引入不同程度的图像质量损伤。
客观评价方法是指以电子测量的方式来对视频质量做出评价。传统的客观评价方法是源于数据传输过程中的均方信噪比的思想,最常用的有计算均方差(Mean Squared Error,简称MSE)和峰值信噪比(Peak Signal-to-Noise Ratio,简称PSNR)。
MSE的表达式为:
PSNR本质上与MSE相同,其表达式:
2002年10月29日公开的中国专利申请号为02822660.7的发明专利申请“用于估算压缩视频数据客观质量的方法和系统”,涉及一种用于估算编码视频数据质量,而不必访问源数据或压缩视频比特流的方法和系统。此系统配置使用MPEG译码器对压缩视频数据进行译码,以生成解压缩视频数据。译码数据被分析用以确定解压缩视频数据是否为内部编码。如果是,则执行离散余弦变换(DCT)用以在解压缩视频数据中对至少一个AC频带产生一组DCT系数。同时,对于解压缩视频数据的每个块提取解压缩视频数据的帧的量化矩阵数据以及量化器尺度。此后,获得转化的DCT系数的方差,且随后基于方差、量化矩阵和量化器尺度,确定每组所述DCT系数的平均量化误差。最后,基于所得的平均量化误差,计算峰值信噪比(PSNR)。
MSE与PSNR值计算这两种方法看起来严格、直观,但用它们所求得的结果常与人们主观视觉效果不一致。如图1a、图1b和图1c所示,图1a为256×256×8bit的原始图像;图1b由原图像加噪产生,噪声为符合高斯分布的白噪声;图1c是通过压缩原图像的高频DCT系数后重构得到的。图1b和图1c峰值信噪比分别为28.1653dB和27.9913dB。可知图像的PSNR值与图像质量成正比,虽然图1b的PSNR值大于图1c,但是图1c的主观评价值却优于图1b。这是因为MSE与PSNR是从总体上反映原始图像和恢复图像的差别,并不能反映少数像素点有较大灰度差别和较多像素点有较小灰度差别等各种情况。显然对图像汇总各个像素同样对待,不能反映人眼的视觉特性。
因此,提供一种根据人眼视觉特性对图像质量评价值进行修正的方法和修正系统成为现有技术中急需解决的技术问题。
发明内容
本发明的第一目的在于,针对现有技术中图像质量评价值不能反映人眼的视觉特性而造成对图像评价不准确的缺陷,提供一种能够反映人眼的视觉特性,使视频图像的质量评价更加准确的图像质量评价值的修正方法。
本发明的第二目的在于,针对现有技术中图像质量评价值不能反映人眼的视觉特性而造成对图像评价不准确的缺陷,提供一种能够反映人眼的视觉特性,使视频图像的质量评价更加准确的图像质量评价值的修正系统。
根据本发明的第一目的,提供一种图像质量评价值的修正方法,包括:对所述图像的DCT系数进行“之”字形排列;将经过“之”字形排列的DCT系数划分为多个频域;计算每个频域的修正系数和图像质量评价值;根据所述修正系数修正所述图像的图像质量评价值,即计算所有频域的图像质量评价值与所述修正系数的乘积之和。
根据本发明的第二目的,提供一种图像质量评价值的修正系统,包括:图像预处理模块,用于对所述图像的DCT系数进行“之”字形排列;频域划分模块,用于将经过“之”字形排列的DCT系数划分为多个频域;修正系数计算模块,用于计算每个频域修正系数;图像质量评价模块,用于计算每个频域的图像质量评价值;评价值修正模块,用于根据所述修正系数对所述图像评价值进行修正,即计算所有频域的图像质量评价值与所述修正系数的乘积之和。
本发明的图像质量评价值的修正方法和修正系统,通过根据人眼对图像中不同频率分量的敏感度对经过“之”字形排列的DCT系数划分频域,并计算每个频域内的修正系数和图像质量评价值,在根据所述修正系数修正所述图像的图像质量评价值。这样,在视频图像客观评价中引入人眼视觉特性分析,使视频图像的客观质量评价更加准确,且实现非常便捷。
附图说明
图1a是原始参考图象;
图1b是参考图像的第一处理后图像;
图1c是参考图象的第二处理后图像;
图2是本发明第一实施例图像质量评价值的修正系统的结构图;
图3是本发明第一实施例中修正系数计算模块的结构图;
图4是本发明第一实施例图像质量评价值的修正方法的流程图;
图5是本发明第一实施例对DCT系数进行“之”字形排列的示意图;
图6是本发明第一实施例中原始图像、分频域还原图像以及两者的差图像的示意图。
具体实施方式
以下结合附图对本发明进行详细说明。
如图2所示,本发明第一实施例图像质量评价值的修正系统包括:图像预处理模块202,对图像的DCT系数进行“之”字形排列;频域划分模块204,将经过“之”字形排列的DCT系数划分为多个频域;修正系数计算模块206,计算每个频域修正系数Q(j);图像质量评价模块208,计算每个频域的图像质量评价值,如计算每个频域的PSNRj或MSEj;评价值修正模块210,根据修正系数Q(j)对图像评价值进行修正。
其中,如图3所示,修正系数计算模块206具体包括:平均值计算子模块2062,用于计算每个频域内DCT系数的加权平均值,第j个频域内DCT系数的加权平均值其中q(i)表示第j个频域内的DCT系数,n为第j个频域内的DCT系数的个数;归一化计算子模块2064,用于对所述每个频域内DCT系数的加权平均值进行归一化处理,第j个频域内DCT系数的归一化加权平均值,即修正系数其中m表示频域的个数。
评价值修正模块包括:峰值信噪比修正子模块或均方差修正子模块,
峰值信噪比修正子模块,用于计算所有频域的所述峰值信噪比与所述修正系数乘积之和,即所述修正后的峰值信噪比为其中,PSNRj为第j个频域的峰值信噪比;
如图4所示,本发明第一实施例图像质量评价值的修正方法包括以下步骤:
步骤402,对图像的DCT系数进行“之”字形排列;
步骤404,将经过“之”字形排列的DCT系数划分为多个频域;
步骤406,计算每个频域的修正系数和图像质量评价值;
步骤408,根据修正系数修正图像的图像质量评价值。
第一实施例中,经过DCT变换以及量化后的系数矩阵如下表所示,
0.4832 | 1.0000 | 0.7013 | 0.3825 | 0.1878 | 0.0853 | 0.0365 | 0.0165 |
1.0000 | 0.4548 | 0.3065 | 0.1736 | 0.0846 | 0.0393 | 0.0175 | 0.0076 |
0.7023 | 0.3084 | 0.2138 | 0.1235 | 0.0643 | 0.0312 | 0.0143 | 0.0064 |
0.3812 | 0.1707 | 0.1234 | 0.0772 | 0.0435 | 0.0224 | 0.0121 | 0.0046 |
0.1854 | 0.0834 | 0.0632 | 0.0435 | 0.0237 | 0.0143 | 0.0065 | 0.0034 |
0.0849 | 0.384 | 0.0312 | 0.0223 | 0.0134 | 0.0075 | 0.0041 | 0.0021 |
0.0375 | 0.0175 | 0.0145 | 0.0105 | 0.0068 | 0.0041 | 0.0021 | 0.0012 |
0.0162 | 0.0076 | 0.0064 | 0.0046 | 0.0033 | 0.0021 | 0.0012 | 0.0005 |
如图4所示,步骤402,按“之”形方式对上表数据进行排列。由于经过DCT变换后,低频分量都集中在左上角,第一行第一列的元素为直流系数。对DCT系数进行“之”字形排列(如图5所示),使得图像低频分量先出现,高频分量后出现。
步骤404,相同量级的系数可视为同属一个频带,该划分方法与DCT系数对应的图像即为频域图像。结合图5及上表所示,将“之”字排列后的第1至第6个元素划为第一频域;将第7至第15个元素划为第二频域;第16个至第26个元素划为第三频域;将第27到第49个元素划为第四频域;第50个到第64个元素划为第五频域。
各个频域对图像的内容贡献差异较大。其中,第一频域反映了整个图像的平均亮度以及人眼最敏感的频率分量;第二频域和第三频域包含部分人眼敏感的频率分量;第四频域包含图像少量细节部分,对人眼敏感度的贡献不明显;第五频域包含最不敏感的频率分量,人眼几乎无法感知。
以上只是对频域划分的较佳实施例,对“之”字形排列后的DCT系数的频域划分并不局限于此,例如频域的个数也可以根据实际需要设置,第四和第五频域可以合并为一个频域。
步骤406中计算每个频域的修正系数具体包括:
步骤406中计算的图像质量评价值可以为图像的峰值信噪比PSNR或均方差MSE。
根据上述实施例的图像质量评价值的修正方法和修正系统对图1b和图1c的峰值信噪比重新进行计算。结果图1b的XPSNR值为37.611dB,图1c的XPSNR值为48.2884dB,可见经过修正后的XPSNR值更好的反映了图像的直观质量。
实验证明,使用本发明实施例的图像质量评价值的修正方法和修正系统,在视频图像客观评价中引入人眼视觉特性分析,使视频图像的客观质量评价更加准确,且实现非常便捷。
应说明的是:以上实施例仅用以说明本发明而非限制,本发明也并不仅限于上述举例,一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。
Claims (9)
1.一种图像质量评价值的修正方法,其特征在于,包括:
对图像的DCT系数进行“之”字形排列;
将经过“之”字形排列的DCT系数划分为多个频域;
计算每个频域的修正系数和图像质量评价值;
根据所述修正系数修正所述图像的图像质量评价值,即计算所有频域的图像质量评价值与所述修正系数的乘积之和。
2.根据权利要求1所述的图像质量评价值的修正方法,其特征在于,所述将经过“之”字形排列的DCT系数划分为多个频域的操作具体包括:
将“之”字排列后的第1至第6个元素划为第一频域;将第7至第15个元素划为第二频域;第16个至第26个元素划为第三频域。
3.根据权利要求2所述的图像质量评价值的修正方法,其特征在于,所述将经过“之”字形排列的DCT系数划分为多个频域的操作还包括:
将第27到第49个元素划为第四频域;第50个到第64个元素划为第五频域。
5.根据权利要求4所述的图像质量评价值的修正方法,其特征在于,所述图像质量评价值包括:所述图像的峰值信噪比或均方差。
7.一种图像质量评价值的修正系统,其特征在于,包括:
图像预处理模块,用于对所述图像的DCT系数进行“之”字形排列;
频域划分模块,用于将经过“之”字形排列的DCT系数划分为多个频域;
修正系数计算模块,用于计算每个频域修正系数;
图像质量评价模块,用于计算每个频域的图像质量评价值;
评价值修正模块,用于根据所述修正系数对所述图像评价值进行修正,即计算所有频域的图像质量评价值与所述修正系数的乘积之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102407483A CN101765026B (zh) | 2008-12-24 | 2008-12-24 | 一种图像质量评价值的修正方法和修正系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102407483A CN101765026B (zh) | 2008-12-24 | 2008-12-24 | 一种图像质量评价值的修正方法和修正系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101765026A CN101765026A (zh) | 2010-06-30 |
CN101765026B true CN101765026B (zh) | 2011-07-27 |
Family
ID=42495992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102407483A Active CN101765026B (zh) | 2008-12-24 | 2008-12-24 | 一种图像质量评价值的修正方法和修正系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101765026B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140341302A1 (en) * | 2013-05-15 | 2014-11-20 | Ce Wang | Slice level bit rate control for video coding |
CN104748678B (zh) * | 2015-03-08 | 2017-06-13 | 大连理工大学 | 高温物体测量中图像质量补偿方法 |
CN105592312B (zh) * | 2015-12-18 | 2018-09-04 | 电子科技大学 | 一种基于重构的无参考视频图像质量估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003101120A1 (en) * | 2002-05-24 | 2003-12-04 | Koninklijke Philips Electronics N.V. | A method and system for estimating sharpness metrics based on local edge statistical distribution |
WO2008004521A1 (en) * | 2006-07-03 | 2008-01-10 | Nippon Telegraph And Telephone Corporation | Image processing method and device, image processing program, and recording medium containing the program |
CN101282481A (zh) * | 2008-05-09 | 2008-10-08 | 中国传媒大学 | 一种基于人工神经网络的视频质量评价方法 |
-
2008
- 2008-12-24 CN CN2008102407483A patent/CN101765026B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003101120A1 (en) * | 2002-05-24 | 2003-12-04 | Koninklijke Philips Electronics N.V. | A method and system for estimating sharpness metrics based on local edge statistical distribution |
WO2008004521A1 (en) * | 2006-07-03 | 2008-01-10 | Nippon Telegraph And Telephone Corporation | Image processing method and device, image processing program, and recording medium containing the program |
CN101282481A (zh) * | 2008-05-09 | 2008-10-08 | 中国传媒大学 | 一种基于人工神经网络的视频质量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101765026A (zh) | 2010-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7038710B2 (en) | Method and apparatus for measuring the quality of video data | |
US8737486B2 (en) | Objective image quality assessment device of video quality and automatic monitoring device | |
US6810083B2 (en) | Method and system for estimating objective quality of compressed video data | |
EP1937002B1 (en) | Method and device for estimating the image quality of compressed images and/or video sequences | |
EP2294829B1 (en) | Video quality measurement | |
US7486830B2 (en) | Decoding apparatus, decoding method and program product therefor | |
US8401280B2 (en) | Device for improving stereo matching results, method of improving stereo matching results using the device, and system for receiving stereo matching results | |
KR20050004862A (ko) | 압축된 비디오 데이터의 객관적인 품질을 추정하기 위한방법 및 시스템 | |
US8111929B2 (en) | Method and system to detect and quantify blockiness in video files | |
US20090060027A1 (en) | Compressed Signal Subjective Quality Ratings Prediction | |
US10129565B2 (en) | Method for processing high dynamic range video in order to improve perceived visual quality of encoded content | |
CN101605257A (zh) | 一种块效应分析方法及系统 | |
Dimauro | A new image quality metric based on human visual system | |
CN101765026B (zh) | 一种图像质量评价值的修正方法和修正系统 | |
EP2792144B1 (en) | Method and apparatus for video quality measurement | |
JP2010124104A (ja) | 映像の客観画質評価装置 | |
Vora et al. | Analysis of compressed image quality assessments, m | |
Shoham et al. | A novel perceptual image quality measure for block based image compression | |
US8396323B2 (en) | Method and apparatus for measuring blockiness in video images | |
Zhang et al. | Reduced-reference image quality assessment based on entropy differences in DCT domain | |
US8204335B2 (en) | Method and apparatus for measuring blockiness in video images | |
US8842184B2 (en) | Method for determining a quality measure for a video image and apparatus for determining a quality measure for a video image | |
US20040096112A1 (en) | System and method for video encoding according to degree of macroblock distortion | |
Shadiya et al. | A Proposed framework for Video Quality Assessment using wavelet and statistical measures | |
Halim et al. | Haar wavelet based reduced reference quality assessment technique for JPEG/JPEG2000 images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |