CN102521839B - 一种用于退化图像恢复的客观无参考图像质量评价方法 - Google Patents

Abstract

本发明提出了一种用于退化图像恢复的客观无参考图像质量评价方法，该方法按照以下步骤实施：步骤1、计算图像边缘强度；步骤2、确定边缘强度权值系数；步骤3、设置滑动窗遍历图像；步骤4、计算像素的峭度值；步骤5、计算整幅图像的峭度均值；步骤6、确定图像的质量评价指标。本方法能够针对模糊和噪声等多种因素引发的退化图像进行质量评价，通过设置滑动窗，对图像以块为单位计算峭度值，进而得到描述整幅图像特征的峭度值，利用边缘强度权值系数对其加以修正，得到图像质量评价指标，该图像质量评价指标的评价结果与人眼主观感知的一致性强。

Description

一种用于退化图像恢复的客观无参考图像质量评价方法

技术领域

本发明属于图像质量评价技术领域，适用的图像类型为灰度图像，涉及一种用于退化图像恢复的客观无参考图像质量评价方法。

背景技术

图像质量是衡量各种图像处理系统与算法性能优劣，以及优化系统参数的重要指标，因此建立有效的图像质量评价方法具有重要的意义。在图像质量评价中，目前使用最多的图像质量客观评价标准是最大信噪峰值比指标。但在实际应用中，由于无法获取图像退化之前的图像作为参考图像，因此，很难对同时包含多种因素导致的退化图像恢复质量进行评价。

发明内容

本发明的目的是提供一种用于退化图像恢复的客观无参考图像质量评价方法，在无参考图像的前提下，能够实现对包含模糊、噪声因素导致的退化图像恢复质量进行准确的客观评价。

本发明采用的技术方案是，一种用于退化图像恢复的客观无参考图像质量评价方法，该方法按照以下步骤实施：

步骤1、计算图像边缘强度

图像边缘强度E是一个反映图像模糊程度的测量指标，设输入的待评价的已恢复的退化图像为[I(i,j)]_m×n，其中的I(i,j)为该图像在坐标为(i,j)上的像素值，m,n分别为灰度图像的行数与列数，并且i＝1,2,...,m，j＝1,2,...,n，则灰度图像的边缘强度E的计算公式如式（1）：

$E=\frac{1}{(m-2L)\×(n-2L)}\·\underset{i=L+1}{\overset{m-L}{\mathrm{\Σ}}}\underset{j=L+1}{\overset{n-L}{\mathrm{\Σ}}}|\▿I(i,j)|,---\left(1\right)$

其中，▽I(i,j)为对图像进行边缘锐化后在点(i,j)上的值，L是大于零的整数，为锐化模板参数，即锐化模板大小为(2L+1)×(2L+1)，

▽I(i,j)的计算公式如下式（2）：

$\▿I(i,j)=\underset{x=-L}{\overset{L}{\mathrm{\Σ}}}\underset{y=-L}{\overset{L}{\mathrm{\Σ}}}h(x,y)\·I(i+x,j+y),---\left(2\right)$

其中，i＝L+1,2,...,m-L，j＝L+1,2,...,n-L，h(x,y)是锐化作用函数，x＝-L,-L+1...,L，y＝-L,-L+1,...,L；

步骤2、确定边缘强度权值系数

在求得图像[I(i,j)]_m×n的边缘强度E后，根据其强度的大小将边缘强度E分为两类，转换为强度权值λ，转换公式如式（3）：

$\mathrm{\&lambda;}=\{\begin{array}{cc}1& E<\mathrm{Th}\\ 1.5& E\&GreaterEqual;\mathrm{Th}\end{array},---\left(3\right)$

其中的Th为判断阈值，其取值范围为Th∈[20,30]；

步骤3、设置滑动窗遍历图像[I(i,j)]_m×n

设置(2s+1)×(2t+1)大小的滑动窗，s,t为大于零的整数，令滑动窗中心与图像待计算峭度像素点重合，滑动窗沿图像水平和垂直方向的移动步长为一个像素，直至遍历完整幅图像；

步骤4、计算像素的峭度值

设当前滑动窗中心点处图像[I(i,j)]_m×n的像素为I(i,j)，其峭度值为k(i,j)，则按照下面的公式分步进行计算：

1）计算滑动窗内信号的均值：

$\mathrm{\&mu;}(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}I(i+k,j+l),---\left(4\right)$

其中的i＝s+1,2,...,m-s，j＝t+1,2,...,n-t，

2）计算滑动窗内的方差σ²(i,j)和四阶矩M⁴(i,j)：

${\mathrm{\&sigma;}}^2(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^2,---\left(5\right)$

其中的i＝s+1,2,...,m-s，j＝t+1,2,...,n-t，

$M^4(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^4,---\left(6\right)$

其中的i＝s+1,2,...,m-s，j＝t+1,2,...,n-t，

3）再计算滑动窗内的峭度k(i,j)：

$k(i,j)=\frac{M{(i,j)}^4}{{\left(\mathrm{\&sigma;}{(i,j)}^2\right)}^2}-3,{\mathrm{\&sigma;}}^2(i,j)>0,---\left(7\right)$

其中的i＝s+1,2,...,m-s，j＝t+1,2,...,n-t；

步骤5、计算整幅图像的峭度均值

利用滑动窗遍历图像[I(i,j)]_m×n，根据步骤4，得到图像[I(i,j)]_m×n上每一像素所对应的峭度值，然后按照公式（8）得到用于描述整幅图像特征的峭度均值MK：

$\mathrm{MK}=\frac{1}{(m-2s)\&times;(n-2t)}\underset{i=s+1}{\overset{m-s}{\mathrm{\&Sigma;}}}\underset{j=t+1}{\overset{n-t}{\mathrm{\&Sigma;}}}\left|k(i,j)\right|;---\left(8\right)$

步骤6、确定图像[I(i,j)]_m×n的质量评价指标

结合公式（3）所得到的边缘强度权值系数λ对MK进行修正，提高MK对模糊的敏感度，得到用于图像质量评价的指标AMK值，如式（9）：

AMK＝λMK                         (9)

根据由公式（9）计算得到的评价指标AMK，选择AMK值最大的恢复图像，即为对退化图像恢复效果最好的结果。

本发明的无参考图像质量评价方法，在退化图像的恢复处理过程中，在无法获得参考图像的情况下，将包含模糊、噪声以及振铃等多种退化因素的图像看作为一个二维随机信号，用高阶累积量峭度来定量描述图像信号特征，并结合图像边缘强度对特征值进行加权修正，实现对退化图像恢复的质量评价。

附图说明

图1是本发明的用于退化图像恢复的客观无参考图像质量评价方法工作原理示意图。

具体实施方式

本发明是一种用于退化图像恢复的客观无参考图像质量评价方法，其工作原理为，首先检测图像的边缘强度，获得该图像的边缘强度权值系数；然后，利用滑动窗遍历整幅图像，计算滑动窗中心点所对应图像像素的峭度值；最后，结合图像的边缘强度权值系数与峭度值的大小，构建图像质量的评价指标。

本发明的方法，将包含模糊、噪声以及振铃等多种退化因素的图像看作为一个二维随机信号，用高阶累积量峭度来定量描述图像信号特征，并结合图像边缘强度对特征值进行加权修正，实现对退化图像恢复的质量评价，具体按照以下步骤实施：

步骤1、计算图像边缘强度

图像边缘强度E是一个反映图像模糊程度的测量指标，设输入的待评价的已恢复的退化图像为[I(i,j)]_m×n，其中的I(i,j)为该图像在坐标为(i,j)上的像素值，m,n分别为灰度图像的行数与列数，并且i＝1,2,...,m，j＝1,2,...,n，则灰度图像的边缘强度E的计算公式如式（1）：

$E=\frac{1}{(m-2L)\&times;(n-2L)}\&CenterDot;\underset{i=L+1}{\overset{m-L}{\mathrm{\&Sigma;}}}\underset{j=L+1}{\overset{n-L}{\mathrm{\&Sigma;}}}|\&dtri;I(i,j)|,---\left(1\right)$

其中，▽I(i,j)为对图像进行边缘锐化后在点(i,j)上的值，L是大于零的整数，为锐化模板参数，即锐化模板大小为(2L+1)×(2L+1)，

▽I(i,j)的计算公式如下式（2）：

$\&dtri;I(i,j)=\underset{x=-L}{\overset{L}{\mathrm{\&Sigma;}}}\underset{y=-L}{\overset{L}{\mathrm{\&Sigma;}}}h(x.,y)\&CenterDot;I(i+x,j+y),---\left(2\right)$

其中，i＝L+1,2,...,m-L，j＝L+1,2,...,n-L，h(x,y)是锐化作用函数，x＝-L,-L+1...,L，y＝-L,-L+1,...,L，换句话说，h(x,y)的函数值为锐化模板系数（锐化模板系数的选择，在相关的教材中均有介绍），例如，当选择3×3拉普拉斯模板时，

x＝-1,0，1，y＝--1,0,1。

步骤2、确定边缘强度权值系数

在求得图像[I(i,j)]_m×n的边缘强度E后，根据其强度的大小将边缘强度E分为两类，转换为强度权值λ，转换公式如式（3）：

$\mathrm{\&lambda;}=\{\begin{array}{cc}1& E<\mathrm{Th}\\ 1.5& E\&GreaterEqual;\mathrm{Th}\end{array},---\left(3\right)$

其中的Th为判断阈值，其取值范围为Th∈[20,30]，这是因为根据公式（1）计算得到的边缘强度E的取值范围为E∈(0,255)，Th取为E的上限的10%左右。

步骤3、设置滑动窗遍历图像[I(i,j)]_m×n

为了在下一步中计算图像的峭度，首先设置如图1所示的(2s+1)×(2t+1)大小的滑动窗，s,t为大于零的整数，本发明方法优选(2s+1)×(2t+1)的取值优选为11×11，令滑动窗中心与图像待计算峭度像素点重合，滑动窗沿图像水平和垂直方向的移动步长为一个像素，直至遍历完整幅图像。

步骤4、计算像素的峭度值

设当前滑动窗中心点处图像[I(i,j)]_m×n的像素为I(i,j)，其峭度值为k(i,j)，则按照下面的公式分步进行计算：

1）计算滑动窗内信号的均值：

$\mathrm{\&mu;}(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}I(i+k,j+l),---\left(4\right)$

其中的i=s+1,2,...,m-s，j=t+1,2,...,n-t，

2）计算滑动窗内的方差σ²(i,j)和四阶矩M⁴(i,j)：

${\mathrm{\&sigma;}}^2(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^2,---\left(5\right)$

其中的i=s+1,2,...,m-s，j=t+1,2,...,n-t，

$M^4(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^4,---\left(6\right)$

其中的i=s+1,2,...,m-s，j=t+1,2,...,n-t，

3）再计算滑动窗内的峭度k(i,j)：

$k(i,j)=\frac{M{(i,j)}^4}{{\left(\mathrm{\&sigma;}{(i,j)}^2\right)}^2}-3,{\mathrm{\&sigma;}}^2(i,j)>0,---\left(7\right)$

其中的i=s+1,2,...,m-s，j=t+1,2,...,n-t。

步骤5、计算整幅图像的峭度均值

利用滑动窗遍历图像[I(i,j)]_m×n，根据步骤4，就可得到图像[I(i,j)]_m×n上每一像素所对应的峭度值，然后按照公式（8）得到用于描述整幅图像特征的峭度均值MK：

$\mathrm{MK}=\frac{1}{(m-2s)\&times;(n-2t)}\underset{i=s+1}{\overset{m-s}{\mathrm{\&Sigma;}}}\underset{j=t+1}{\overset{n-t}{\mathrm{\&Sigma;}}}\left|k(i,j)\right|,---\left(8\right)$

一般情况下，如果影响图像质量的因素中非模糊因素占主导因素时，得到的MK值越大，则其平滑区越平滑，边缘纹理越丰富，图像质量越好。

步骤6、确定图像[I(i,j)]_m×n的质量评价指标

考虑到影响图像质量的主要因素除模糊外还存在各类噪声，MK用于描述图像特征时，对噪声信号非常敏感，即当图像中的噪声加剧时，MK的值迅速减小，这是所期望看到的，但是当图像模糊程度加剧时，MK的值却减小不多，这与人们的主观评价是不一致的。因此，结合公式（3）所得到的边缘强度权值系数λ对MK进行修正，提高MK对模糊的敏感度，得到用于图像质量评价的指标AMK值，如式（9）：

AMK＝λMK                    (9)

根据由公式（9）计算得到的评价指标AMK，选择AMK值最大的恢复图像，即为对退化图像恢复效果最好的结果。

本发明方法中，将AMK用于对同时包含模糊、噪声等因素的退化图像的恢复进行无参考质量评价，在退化图像恢复过程中，以使AMK最大为目标，其值越大，表明图像质量越好，由此实现在无参考图像时，对退化图像的恢复质量进行客观评价。

Claims (2)

1.一种用于退化图像恢复的客观无参考图像质量评价方法，其特征在于，该方法按照以下步骤具体实施：

步骤1、计算图像边缘强度

图像边缘强度E是一个反映图像模糊程度的测量指标，设输入的待评价的已恢复的退化图像为[I(i,j)]_m×n，其中的I(i,j)为该图像在坐标为(i,j)上的像素值，m,n分别为灰度图像的行数与列数，并且i＝1,2,...,m，j＝1,2,...,n，则灰度图像的边缘强度E的计算公式如式（1）：

$E=\frac{1}{(m-2L)\&times;(n-2L)}\&CenterDot;\underset{i=L+1}{\overset{m-L}{\mathrm{\&Sigma;}}}\underset{j=L+1}{\overset{n-L}{\mathrm{\&Sigma;}}}|\&dtri;I(i,j)|,---\left(1\right)$

其中，

为对图像进行边缘锐化后在点(i,j)上的值，L是大于零的整数，为锐化模板参数，即锐化模板大小为(2L+1)×(2L+1)，

的计算公式如下式（2）：

$\&dtri;I(i,j)=\underset{x=-L}{\overset{L}{\mathrm{\&Sigma;}}}\underset{y=-L}{\overset{L}{\mathrm{\&Sigma;}}}h(x,y)\&CenterDot;I(i+x,j+y),---\left(2\right)$

其中，i＝L+1,L+2,...,m-L，j＝L+1,L+2,...,n-L，h(x,y)是锐化作用函数，x＝-L,-L+1...,L，y＝-L,-L+1,...,L；

步骤2、确定边缘强度权值系数

在求得图像[I(i,j)]_m×n的边缘强度E后，根据其强度的大小将边缘强度E分为两类，转换为强度权值λ，转换公式如式（3）：

$\mathrm{\&lambda;}=\left\{\begin{array}{cc}1& E<\mathrm{Th}\\ 1.5& E\&GreaterEqual;\mathrm{Th}\end{array}\right.,---\left(3\right)$

其中的Th为判断阈值，其取值范围为Th∈[20,30]；

步骤3、设置滑动窗遍历图像[I(i,j)]_m×n

设置(2s+1)×(2t+1)大小的滑动窗，s,t为大于零的整数，令滑动窗中心与图像待计算峭度像素点重合，滑动窗沿图像水平和垂直方向的移动步长为一个像素，直至遍历完整幅图像；

步骤4、计算像素的峭度值

设当前滑动窗中心点处图像[I(i,j)]_m×n的像素值为I(i,j)，其峭度值为k(i,j)，则按照下面的公式分步进行计算：

1）计算滑动窗内信号的均值：

$\mathrm{\&mu;}(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}I(i+k,j+l),---\left(4\right)$

其中的i＝s+1,s+2,...,m-s，j＝t+1,t+2,...,n-t，

2）计算滑动窗内的方差σ²(i,j)和四阶矩M⁴(i,j)：

${\mathrm{\&sigma;}}^2(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^2,---\left(5\right)$

其中的i＝s+1,s+2,...,m-s，j＝t+1,t+2,...,n-t，

$M^4(i,j)=\frac{1}{(2s+1)\&times;(2t+1)}\&CenterDot;\underset{k=-s}{\overset{s}{\mathrm{\&Sigma;}}}\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}{[I(i+k,j+l)-\mathrm{\&mu;}(i,j)]}^4,---\left(6\right)$

其中的i＝s+1,s+2,...,m-s，j＝t+1,t+2,...,n-t，

3）再计算滑动窗内的峭度k(i,j)：

$k(i,j)=\frac{M{(i,j)}^4}{{\left(\mathrm{\&sigma;}{(i,j)}^2\right)}^2}-3,{\mathrm{\&sigma;}}^2(i,j)>0,---\left(7\right)$

其中的i＝s+1,s+2,...,m-s，j＝t+1,t+2,...,n-t；

步骤5、计算整幅图像的峭度均值

利用滑动窗遍历图像[I(i,j)]_m×n，根据步骤4，得到图像[I(i,j)]_m×n上每一像素所对应的峭度值，然后按照公式（8）得到用于描述整幅图像特征的峭度均值MK：

$\mathrm{MK}=\frac{1}{(m-2s)\&times;(n-2t)}\underset{i=s+1}{\overset{m-s}{\mathrm{\&Sigma;}}}\underset{j=t+1}{\overset{n-t}{\mathrm{\&Sigma;}}}\left|k(i,j)\right|;---\left(8\right)$

步骤6、确定图像[I(i,j)]_m×n的质量评价指标

结合公式（3）所得到的边缘强度权值系数λ对MK进行修正，提高MK对模糊的敏感度，得到用于图像质量评价的指标AMK值，如式（9）：

AMK＝λMK    (9)

根据由公式（9）计算得到的评价指标AMK，选择AMK值最大的恢复图像，即为对退化图像恢复效果最好的结果。

2.根据权利要求1所述的用于退化图像恢复的客观无参考图像质量评价方法，其特征在于，所述的(2s+1)×(2t+1)的取值优选为11×11。

Images