CN102496162B - 基于非张量积小波滤波器的部分参考图像质量评价方法 - Google Patents
基于非张量积小波滤波器的部分参考图像质量评价方法 Download PDFInfo
- Publication number
- CN102496162B CN102496162B CN 201110432506 CN201110432506A CN102496162B CN 102496162 B CN102496162 B CN 102496162B CN 201110432506 CN201110432506 CN 201110432506 CN 201110432506 A CN201110432506 A CN 201110432506A CN 102496162 B CN102496162 B CN 102496162B
- Authority
- CN
- China
- Prior art keywords
- image
- visual signature
- yardstick
- reference picture
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于非张量积小波滤波器的部分参考图像质量评价方法。现有图像的压缩、传输、处理与复制过程中,图像很容易发生失真。本发明方法具体实施包括如下步骤:(一)输入参考图像和失真图像;(二)建立非张量积小波滤波器,对参考图像和失真图像分别进行处理;(三)求出参考图像和失真图像的信息熵;(四)求出参考图像和失真图像的信息差异VD;(五)建立质量评价函数VQ,得出失真图像的质量分数。本发明利用非张量积小波滤波器提取视觉特征,并基于参考图像和失真图像的信息熵来建立图像质量评价函数,评价结果符合人类视觉主观认识。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种基于信息论的、利用非张量积小波滤波器的部分参考型图像质量评价方法。
背景技术
随着互联网技术的发展,图像在人们的日常生活中扮演着原来越重要的角色。然而在图像的压缩、传输、处理与复制过程中,图像很容易发生失真,因此如何精确地评价图像质量已成为图像处理与压缩领域的研究热点。
客观图像质量评价方法主要分为:全参考图像质量评价(full-reference, FR),无参考图像质量评价(no-reference, NR) 和部分参考图像质量评价(reduced-reference, RR)。其中FR方法虽然较为精确,但并不是非常实用,因为该方法需要利用参考图像(即原始图像)来评价失真图像的质量分数,而在有些情况下参考图像并不容易得到;NR方法虽然不需要利用参考图像,但该方法通常只适用于某些特定的失真,因此并不具有普适性;而RR方法只需要利用参考图像的一部分特征信息,该方法在FR与NR方法之间取得了良好的平衡,适用性更广。
因此,很多学者提出了一些新的RR方法来评价图像质量。Wang et al.( Z. Wang, E. P. Simoncelli, Reduced-reference image quality assessment using a wavelet-domain natural image statistic model, in Proc. SPIE, Human Vision and Electronic Imaging, 5666 (1) (2005) 149-159.)提出了一种基于小波域统计特性的RR方法,该方法利用了GGD(General Gaussian Density)函数来模拟小波系数的边缘分布。该方法虽然取得了良好的效果,然而需要处理的数据量和计算量相对较高。Lin et al(L. Ma, S. N. Li, F. Zhang, and K. N. Ngan, “Reduced-reference image quality assessment using reorganized DCT-based image representation,” IEEE Trans. Multimedia., 13 (4) (2011) 824-829.)提出了一种新的RR方法,在该方法中,CBD(City Block Distance)被用于计算参考图像和失真图像的系数分布距离。Q. Li(Q. Li, and Z. Wang, Reduced-reference image quality assessment using divisive normalization-based image representation, IEEE J. Selected Topics in Signal Process., 3 (2) (2009) 202-211.)提出了一种基于DNT(divisive normalization transform)的部分参考图像质量评价方法,虽然该方法提高了预测精确度,但是仍然有着庞大的计算量。
发明内容
本发明方法的目的是针对现有图像质量评价方法的不足,提供一种基于信息论、利用非张量积小波滤波器的部分参考图像质量评价方法。
本发明方法具体实施步骤是:
步骤(1).输入参考图像R和失真图像D。
步骤(2).建立一组非张量积小波滤波器(NPWFB ,non-tensor productwavelet filter banks) ;
,T为矩阵转置,
D(z 1,z 2) 定义如下:
步骤(5).建立图像质量评价函数VQ;
本发明方法有益效果如下:
与现有的部分参考图像质量评价方法相比,本发明具有较低的RR数据量和计算复杂度,从而可以具有传输方便、实现便捷的特点,适用范围更加广泛;而且经实验验证,本发明取得了良好的效果。
附图说明
图1为本发明方法流程图;
图2为建立参考图像各尺度视觉特征图的过程。
具体实施方式
下面结合附图对本发明方法作进一步说明。
如图1所示为本发明方法流程,具体实施步骤如下:
步骤(1).输入参考图像R和失真图像D。
其中:,
,T为矩阵转置,
D(z 1,z 2) 定义如下:
步骤(3).取尺度为N=3,利用步骤(2)所建立的一组非张量积小波滤波器,在第尺度上,参考图像R和失真图像D经滤波器滤波后,得到参考图像R的视觉特征图和失真图像D的视觉特征图,其中,;建立过程如图2所示;
3-2.对视觉特征图进行二维三次插值降采样;
其中通过建立直方图求得;
步骤(5).建立图像质量评价函数VQ;
Claims (1)
1.基于非张量积小波滤波器的部分参考图像质量评价方法,其特征在于它包括以下步骤:
步骤(1):输入参考图像R和失真图像D;
D(z 1,z 2) 定义如下:
步骤(5)建立图像质量评价函数VQ;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110432506 CN102496162B (zh) | 2011-12-21 | 2011-12-21 | 基于非张量积小波滤波器的部分参考图像质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110432506 CN102496162B (zh) | 2011-12-21 | 2011-12-21 | 基于非张量积小波滤波器的部分参考图像质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102496162A CN102496162A (zh) | 2012-06-13 |
CN102496162B true CN102496162B (zh) | 2013-07-10 |
Family
ID=46187984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110432506 Expired - Fee Related CN102496162B (zh) | 2011-12-21 | 2011-12-21 | 基于非张量积小波滤波器的部分参考图像质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102496162B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841410B (zh) * | 2014-03-05 | 2016-05-04 | 北京邮电大学 | 基于图像特征信息的半参考视频QoE客观评估方法 |
CN107589453B (zh) * | 2017-07-25 | 2018-12-07 | 西安交通大学 | 一种信息熵滤波器与地震资料随机噪声衰减方法 |
CN109801266A (zh) * | 2018-12-27 | 2019-05-24 | 西南技术物理研究所 | 一种无线图像数据链的图像质量评估系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1139487A (ja) * | 1997-07-16 | 1999-02-12 | Dainippon Printing Co Ltd | 画像検査方法および装置 |
US7295951B2 (en) * | 2005-04-04 | 2007-11-13 | Siemens Medical Solutions Usa, Inc. | System and method for quantifying the quality of motion correction in image registration |
CN101605272B (zh) * | 2009-07-09 | 2011-05-11 | 浙江大学 | 一种部分参考型图像客观质量评价方法 |
CN101930607B (zh) * | 2010-08-04 | 2012-09-19 | 深圳中兴力维技术有限公司 | 一种图像质量判别方法 |
CN101977333A (zh) * | 2010-11-24 | 2011-02-16 | 南京信息工程大学 | 基于小波和结构自相似性分析的无参考图像质量评价方法 |
-
2011
- 2011-12-21 CN CN 201110432506 patent/CN102496162B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102496162A (zh) | 2012-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428227B (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
CN100559881C (zh) | 一种基于人工神经网络的视频质量评价方法 | |
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 | |
CN104079925B (zh) | 基于视觉感知特性的超高清视频图像质量客观评价方法 | |
CN107633520A (zh) | 一种基于深度残差网络的超分辨率图像质量评估方法 | |
CN104243973B (zh) | 基于感兴趣区域的视频感知质量无参考客观评价方法 | |
Wang et al. | Novel spatio-temporal structural information based video quality metric | |
CN102547368B (zh) | 一种立体图像质量客观评价方法 | |
CN105338343A (zh) | 一种基于双目感知的无参考立体图像质量评价方法 | |
CN105049838B (zh) | 一种用于压缩立体视频质量的客观评价方法 | |
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 | |
CN110246111B (zh) | 基于融合图像和强化图像的无参考立体图像质量评价方法 | |
CN107959848A (zh) | 基于三维卷积神经网络的通用型无参考视频质量评价算法 | |
CN108259893B (zh) | 基于双流卷积神经网络的虚拟现实视频质量评价方法 | |
CN104361583B (zh) | 一种确定非对称失真立体图像客观质量的方法 | |
CN102496162B (zh) | 基于非张量积小波滤波器的部分参考图像质量评价方法 | |
CN109257592B (zh) | 基于深度学习的立体视频质量客观评价方法 | |
CN106412571A (zh) | 一种基于梯度相似性标准差的视频质量评价方法 | |
LI et al. | Recent advances and challenges in video quality assessment | |
CN104144339B (zh) | 一种基于人眼感知的质降参考立体图像质量客观评价方法 | |
CN104023226A (zh) | 一种基于hvs的新型视频质量评价方法 | |
CN104574363A (zh) | 一种考虑梯度方向差异的全参考图像质量评价方法 | |
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 | |
CN102930545A (zh) | 一种图像质量盲评估的统计测度方法 | |
CN103108209B (zh) | 基于视觉阈值与通道融合的立体图像客观质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130710 Termination date: 20151221 |
|
EXPY | Termination of patent right or utility model |