CN102629379A - 一种基于视觉特性的图像质量评价方法 - Google Patents

Abstract

本发明公开了一种基于视觉特性的图像质量评价方法。本发明首先将原始图像分别转换到xyY空间或者LCH空间，对分量Y或者分量C进行处理，得到一组测试图像；然后找出至少一幅JND临界图像；接着计算原始图像和JND临界图像中亮度、色度、高斯函数方差参数的差值，该差值的平均值即分别为该被试对该原始图像亮度、色度、清晰度的JND值；然后对不同被试对不同原始图像的JND值进行均值计算确定最终的JND值。分别以JND为单位不同程度地改变图像的不同属性，采用视觉感知试验测定主观图像质量，再采用回归分析建立图像质量与图像属性的关系模型，并根据方差分析研究图像不同属性的影响。本发明可定量评价改进显示器参数时人眼所能察觉的对图像质量的影响。

Description

一种基于视觉特性的图像质量评价方法

技术领域

本发明涉及一种图像质量评价方法，尤其涉及一种基于视觉特性的图像质量评价方法。

背景技术

显示技术不仅可实现准确、直观、清晰、快捷的信息输出，同时也为信息时代提供了一种友好的人与机器交流信息的界面。市场调研表明显示图像质量是终端用户购买电子显示设备的重要决定因素之一。因此信息显示质量的评价是显示技术领域的一个重要内容。由于所有显示信息均是通过人眼被观察者观测到的，对于不同的环境和用途，人们对图像质量的评判是不同的。因此对显示图像质量评价必须考虑人的因素。近年来，随着各种显示技术的数量和多样性的快速增加，基于人眼视觉系统的显示质量评价理论的研究就显得非常必要了。

随着信息时代的到来，人们对显示质量的要求与日俱增。新的技术、新的应用场合都可能改变观察者对显示图像质量的评价。为此，Engeldrum引入了“图像质量环”模型，将消费者关注的图像显示质量与显示系统技术参数通过一些中间步骤联系起来。消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和。这些图像质量属性包括清晰度，色彩丰富度，亮度，图像均一性等被观察者无意识评价的特性。然后建立主观图像质量属性与图像物理特性的联系。这些图像物理特性包括可以由测量仪器测得的光学和电学特性，如输出亮度、色域大小、显示白场、伽马值、噪声水平等。最终，通过深入了解显示物理原理，这些图像物理特性可以与显示系统的技术参数间建立联系。

现有的显示器件或压缩编码等相关技术还不可能做到使图像显示质量非常完美，总有这样或那样不尽如人意的缺陷。由于影响最终显示质量的各技术参数间经常存在交互影响，提高各参数需要的成本也存在差异，而成本是实际生产中必须考虑的问题。因而改善显示质量的研究需要考虑各种因素的权重和折中。有时某些图像质量的损伤并不能被人眼察觉，即便通过努力可以消除这种缺陷，实际上消费者并不能感受到图像质量的提高。JND（Just Noticeable Difference：恰可察觉差）的引入可以有效地解决这些问题。由于消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和，因而采用JND为图像属性的统一单位建立图像质量评价模型，可以为显示系统工业设计提供理论依据，用以指导有限投入下如何最大限度地提高消费者感受到的图像质量。

发明内容

本发明所要解决的技术问题在于克服现有技术在对显示器亮度、色度等相关参数进行改进时无法定量评估其对图像显示质量影响的不足，提供一种基于视觉特性的图像质量评价方法，可以定量评价改进显示器参数时人眼所能察觉的对显示图像质量的影响，从而对显示技术的设计、研究提供依据。

影响图像质量的最重要并且相互独立的3个图像属性是亮度（BR：Brightness）、色度（CS：Color saturation）和清晰度（CR：Contour rendering）。考虑到各图像属性的交互作用，本发明将研究这三个图像属性（CR，CS，BR）及其所有两两组合（BR*CR，BR*CS， CR*CS）对整体主观图像质量的影响。

本发明采用以下技术方案解决上述技术问题。

一种基于视觉特性的图像质量评价方法，根据下式对失真图像质量进行定量评价：

IQ = 4.80-0.26X_CR-0.06X_BR -0.12X_BR*X_CS-0.12X_CR*X_CS-0.06X_BR*X_CR   ，

式中，IQ为失真图像的质量得分，其值越大，表示图像质量越好；X_BR为失真图像与原始图像亮度差的绝对值所对应的图像亮度JND值；X_CS为失真图像与原始图像色度差的绝对值所对应的图像色度JND值；X_CR为对原始图像高斯卷积以获得失真图像时选取的方差参数值所对应的图像清晰度JND值。

所述图像亮度JND值按照以下方法测定：

步骤A1、按照以下方法对原始图像进行处理，得到测试图像：

步骤A101、通过伽马校正将原始图像转换至线性空间；

步骤A102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤A103、在xyY空间中，保持其它分量不变，仅对分量Y按照一组不同的压缩

系数分别进行线性压缩，所述一组压缩系数在0.85-0.99之间等间隔分布；

步骤A104、将线性压缩后的图像由xyY空间转换回RGB空间，得到一组具有不同

压缩系数的测试图像；

步骤A2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤A3、将原始图像和JND临界图像分别划分为大小为K*K个像素的图像块，然后分别选出原始图像和JND临界图像中平均灰度最大的图像块；

步骤A4、根据显示器的伽马曲线，计算原始图像和JND临界图像中平均灰度最大的图像块的平均灰度值所对应的实际显示亮度的差值，该差值的平均值即为该被试对该原始图像亮度的JND值；

步骤A5、更换不同的原始图像及被试，重复步骤A1-A4；将所有被试对不同原始图像的亮度JND值进行均值计算及方差分析确定图像亮度的JND值。

    所述图像色度JND值按照以下方法测定：

步骤B1、按照以下方法对原始图像进行处理，得到测试图像：

步骤B101、通过伽马校正将原始图像转换至线性空间；

步骤B102、然后将线性转换后的原始图像由RGB空间经XYZ空间和Lab空间转换

到LCH空间；

步骤B103、在LCH空间中，保持其它分量不变，仅将分量C按照一组不同的改变量减小，所述分量C的一组不同的改变量在0.2-1.5范围内等间隔分布；

步骤B104、将C分量减小后的图像由LCH空间转换回RGB空间，得到一组具有不

同色度分量的测试图像；

步骤B2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤B3、计算原始图像和JND临界图像中平均色度值的差值，该差值的平均值即为该被试对该原始图像色度的JND值；

步骤B4、更换不同的原始图像及被试，重复步骤B1-B3；将所有被试对不同原始图像的色度JND值进行均值计算及方差分析确定图像色度的JND值。

    所述图像清晰度JND值按照以下方法测定：

步骤C1、按照以下方法对原始图像进行处理，得到测试图像：

步骤C101、通过伽马校正将原始图像转换至线性空间；

步骤C102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤C103、在xyY空间中，保持其它分量不变，按照一组不同方差参数的高斯函

数仅对分量Y进行卷积，所述一组方差参数在0.1-0.8之间等间隔分布；

步骤C104、将卷积后的图像由xyY空间转换回RGB空间，得到一组具有不同模糊

程度的测试图像；

步骤C2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤C3、根据步骤C103的处理过程，找出对应于JND临界图像的高斯卷积时的方差参数值，该值的平均值即为该被试对该原始图像清晰度的JND值；

步骤C4、更换不同的原始图像及被试，重复步骤C1-C3；将所有被试对不同原始图像的清晰度JND值进行均值计算及方差分析确定图像清晰度的JND值。

     相比现有技术，本发明方法可以定量测定改进显示器亮度、色度、清晰度等相关参数时人眼所能感受到的显示质量上的实际变化、利于折中考虑改进不同技术参数对图像显示质量的影响，具有极高的实际应用价值。

附图说明

图1为生成测试图像的过程示意图；

图2为人眼最佳视角所覆盖图像大小的计算原理示意图；

图3为具体实施方式中所使用的实例图片；

图4为本发明中采用的视觉感知实验过程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

本发明的基于视觉特性的图像质量评价方法，具体按照以下步骤：

步骤A、按照以下方法测定图像亮度的JND值：

步骤A1、按照以下方法对原始图像进行处理，得到测试图像：

步骤A101、通过伽马校正将原始图像转换至线性空间；本具体实施方式中γ=2.2；

步骤A102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤A103、在xyY空间中，保持其它分量不变，仅对分量Y按照一组不同的压缩

系数分别进行线性压缩，所述一组压缩系数在0.85-0.99之间等间隔分布；本具体实施方式中，采用40个在0.85-0.99之间等间隔分布的压缩系数；

步骤A104、将线性压缩后的图像由xyY空间转换回RGB空间，得到一组具有不同

压缩系数的测试图像；

    测试图像的生成过程如图1所示。将原始图像由RGB空间经XYZ空间转换到xyY，然后再进行亮度相关的图像处理，好处是可以保证图像处理过程中色度分量保持不变。

步骤A2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

  在进行JND研究时，需要利用基于心理物理学方法的视觉感知实验确定JND临界图像，最常用的是阶梯法结合二项迫选法：将测试图与原图同时并排显示在屏幕上，由被试判定能否察觉测试图与原图亮度间的区别；每次在显示器上同时显示两幅图像，一幅为参考图（即原图），另一幅为测试图。根据二项迫选法的规定，被试需要在两幅图中选出其认为哪幅图较暗。起初，测试图与参考图间亮度差别很大，被试可以很容易将二者区分开，即正确回答哪幅图较暗。如果被试回答正确，则下幅测试图与参考图间差别将被减小。被试一旦回答错误，就增加测试图与参考图间的亮度差别。本具体实施方式中采用以下实验方法：每次在显示器上同时显示两幅图像，一幅为原始图像，另一幅为测试图，由被试在两幅图中选出其认为哪幅图较暗；如果被试选择正确，则更换压缩系数较小的测试图；被试一旦选择错误，则更换压缩系数较大的测试图；重复上述过程；其中，实验起始变化步长是8，经过2个拐点后步长减半为4，再经过4个拐点，步长变为2，再经过6个拐点后，变化步长减为1；当步长为1时的拐点总数达到6时停止；最后6个拐点所对应的测试图即为JND临界图像。

步骤A3、将原始图像和JND临界图像分别划分为大小为K*K个像素的图像块，然后分别选出原始图像和JND临界图像中平均灰度最大的图像块；

    由于被试仅需要观察出原始图像与测试图像间有差别即可，在图像处理过程中仅对Y分量进行线性压缩，也就是说平均灰度最大的图像块其实际的亮度变化也最大，即被试较容易观察出其差异。面对一个复杂的场景，人眼视觉系统依靠视网膜将场景的信息从光波转换成大脑可以处理的神经信号。视觉注意使得人眼视觉系统可以通过移动在图像上的关注点，多关注显著位置、少关注不重要的区域来处理视觉输入的优先级。在视网膜中心的中央凹拥有高密度的对色彩敏感的锥状细胞，因而有更好的空间和色饱和度分辨力。在人眼的外围视觉中，也就是中央凹视角范围外，看到的图像是不清晰的。然而中央凹所能覆盖的视角仅有大约2度。因此图像块的大小应以人眼2度视角所覆盖的面积为宜。考虑到通用性，以图像分辨率为620*700，屏幕分辨率为1280*1024来进行计算。假定屏幕高度为H，宽度为W。观测距离为L=4*H。求2度视角所覆盖的图像的像素数方法如下：

如图2 所示，当视角在屏幕上的宽度为D，观测距离为L时，对应的视角为：

因而，对应于2度视角的像素数大约为直径为143个像素的圆形区域。为简便起见，本具体实施方式中将图像划分为143*143个像素的图像块。

步骤A4、根据显示器的伽马曲线，计算原始图像和JND临界图像中平均灰度最大的图像块的平均灰度值所对应的实际显示亮度的差值，该差值的平均值即为该被试对该原始图像亮度的JND值；

   通过测试所使用显示器的伽马曲线，可以得到每一灰度值所对应的在该显示器上的实际显示亮度。假设原始图像中平均灰度最大的图像块的平均灰度（即图像块中所有像素灰度值的平均值）为S₀，对应于显示器上的实际显示亮度为B ₀ ，第i个JND临界图像（假设其个数为N）中平均灰度最大的图像块的平均灰度为S _i ，对应于显示器上的实际显示亮度为B ₁ ，则该被试对该原始图像亮度的JND值X可用下式表示：

  。                         

步骤A5、更换不同的原始图像及被试，重复步骤A1-A4；将所有被试对不同原始图像的亮度JND值进行均值计算及方差分析确定图像亮度的JND值。

步骤B、按照以下方法测定图像色度的JND值：

步骤B1、按照以下方法对原始图像进行处理，得到测试图像：

步骤B101、通过伽马校正将原始图像转换至线性空间；

步骤B102、然后将线性转换后的原始图像由RGB空间经XYZ空间和Lab空间转换

到LCH空间；

步骤B103、在LCH空间中，保持其它分量不变，仅将分量C按照一组不同的改变量减小，所述分量C的一组不同的改变量在0.2-1.5范围内等间隔分布；

步骤B104、将C分量减小后的图像由LCH空间转换回RGB空间，得到一组具有不

同色度分量的测试图像；

   测试图像的生成过程如图1所示。将原始图像由RGB空间经XYZ空间和Lab空间

转换到LCH空间，然后再进行色度相关的图像处理，好处是可以保证图像处理过程中色度分量保持不变。本具体实施方式中，对分量C的改变量为0.2-1.5，等间隔分布，间隔ΔC为0.1。

步骤B2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；详细的实验方法与步骤A2中的方法类似，此处不再赘述；

步骤B3、计算原始图像和JND临界图像中平均色度值的差值，该差值的平均值即为该被试对该原始图像色度的JND值；

步骤B4、更换不同的原始图像及被试，重复步骤B1-B3；将所有被试对不同原始图像的色度JND值进行均值计算及方差分析确定图像色度的JND值。

步骤C、按照以下方法测定图像清晰度的JND值：

步骤C1、按照以下方法对原始图像进行处理，得到测试图像：

步骤C101、通过伽马校正将原始图像转换至线性空间；

步骤C102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤C103、在xyY空间中，保持其它分量不变，按照一组不同方差参数的高斯函

数仅对分量Y进行卷积，所述一组方差参数在0.1-0.8之间等间隔分布；

步骤C104、将卷积后的图像由xyY空间转换回RGB空间，得到一组具有不同模糊

程度的测试图像；

    测试图像的生成过程如图1所示。

步骤C2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤C3、根据步骤C103的处理过程，找出对应于JND临界图像的高斯卷积时的方差参数值，该值的平均值即为该被试对该原始图像清晰度的JND值；

步骤C4、更换不同的原始图像及被试，重复步骤C1-C3；将所有被试对不同原始图像的清晰度JND值进行均值计算及方差分析确定图像清晰度的JND值。

步骤D、根据如下关系模型评价失真图像的主观质量：

IQ = 4.80-0.26X_CR-0.06X_BR -0.12X_BR*X_CS-0.12X_CR*X_CS-0.06X_BR*X_CR   ，

式中，IQ为失真图像的质量得分，其值越大，表示图像质量越好；X_BR为失真图像与原始图像亮度差的绝对值所对应的图像亮度JND值；X_CS为失真图像与原始图像色度差的绝对值所对应的图像色度JND值；X_CR为X_CR为对原始图像高斯卷积以获得失真图像时选取的方差参数值所对应图像清晰度的JND值。

上述关系模型可根据以下方法得到：

步骤一、按照以下方法对原始图像进行处理，得到测试图像：

方法1、按照步骤A的方法，将原始图像的亮度改变2个JND的量；

方法2、按照步骤B的方法，将原始图像的色度改变2个JND的量；

方法3、按照步骤C的方法，将原始图像的清晰度改变2个JND的量；

方法4、按照步骤A的方法，将原始图像的亮度改变1个JND的量，然后再按照步骤B的方法，将图像的色度改变1个JND的量；

方法5、按照步骤B的方法，将原始图像的色度改变1个JND的量，然后再按照步骤C的方法，将图像的清晰度改变1个JND的量；

方法6、按照步骤C的方法，将原始图像的清晰度改变1个JND的量，然后再按照步骤A的方法，将图像的亮度改变1个JND的量；

步骤二、以原始图像为参照，给每幅测试图像打分；

步骤三、更换不同的图像内容和被试，重复步骤一、步骤二。

步骤四、采用回归分析及方差分析，研究图像内容、图像属性等因素的影响，可建立如下的主观图像质量与图像属性的关系模型：

IQ = 4.80-0.26X_CR-0.06X_BR -0.12X_BR*X_CS-0.12X_CR*X_CS-0.06X_BR*X_CR   ，

式中，IQ为失真图像的质量得分，其值越大，表示图像质量越好；X_BR为失真图像与原始图像亮度差的绝对值所对应的图像亮度JND值；X_CS为失真图像与原始图像色度差的绝对值所对应的图像色度JND值；X_CR为失真图像对原始图像高斯函数的方差参数值所对应的图像清晰度JND值。

为了验证本发明方法，进行以下实验：

采用Philips 19英寸的LCD监视器，显示器的白场被调整至D65，显示屏峰值亮度为264 cd/m²，暗场亮度为0.33 cd/m²。过程中观测距离为4倍的屏幕高度，大约1.2m。测试房间环境光设置为屏前垂直方向20 lx，显示屏后方照度大约为10-20lx，接近家用电视的实际环境光设置。图3为实验所使用的原始图像，考虑到图像内容对图像亮度的JND可能存在影响，所用图像具有一定的代表性，既包括亮度分布不同的图像，也包括肤色、植物、动物等内容。采用本发明方法进行图像亮度、色度和清晰度JND值的测定。图4显示了视觉感知实验的过程（图中仅示出了变化步长变为4之后的步长变化情况）。参与实验的被试人数均为20，年龄介于20~70岁之间，其中男性和女性各10人。分别测定每位被试的图像亮度、色度和清晰度的JND值，结果如表1所示。

从表中不难看出，不同图像的亮度JND值大约在13.2cd/m²之间，色度JND大约为ΔE₀₀=0.7，清晰度JND约相当于高斯方差参数σ=0.5。不同图像内容间的JND值差别不大。

而后根据测得的JND值，采用步骤一中所述方法生成测试图像，由被试进行主观质量

评价。以主观评价为因变量，图像属性以JND为单位做自变量，做回归分析。回归拟合的相关系数为0.88，模型拟合效果较理想。其中CR相关项的权重较大，而CS相关项的权重较小。表明以JND为单位改变图像不同属性时，图像清晰度对整体图像质量的影响较大，而色度的影响相对较小。以主观评价为因变量，图像属性、图像内容为自变量，被试为随机变量，做方差分析。结果表明图像内容的影响不显著。而图像属性的影响在统计意义上是显著的。

本实验验证了采用本发明方法测定主观图像质量的可行性，且结果不受图像内容的影响，便于评估显示器亮度、色度等相关参数改变时人眼能察觉的终端显示质量的变化量。

Claims (7)

1.一种基于视觉特性的图像质量评价方法，其特征在于，根据下式对失真图像质量进行定量评价：

IQ = 4.80-0.26X_CR-0.06X_BR -0.12X_BR*X_CS-0.12X_CR*X_CS-0.06X_BR*X_CR   ，

式中，IQ为失真图像的质量得分，其值越大，表示图像质量越好；X_BR为失真图像与原始图像亮度差的绝对值所对应的图像亮度JND值；X_CS为失真图像与原始图像色度差的绝对值所对应的图像色度JND值；X_CR为对原始图像高斯卷积以获得失真图像时选取的方差参数值所对应的图像清晰度JND值。

2.如权利要求1所述基于视觉特性的图像质量评价方法，其特征在于，所述图像亮度JND值按照以下方法测定：

步骤A1、按照以下方法对原始图像进行处理，得到测试图像：

步骤A101、通过伽马校正将原始图像转换至线性空间；

步骤A102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤A103、在xyY空间中，保持其它分量不变，仅对分量Y按照一组不同的压缩系数分别进行线性压缩，所述一组压缩系数在0.85-0.99之间等间隔分布；

步骤A104、将线性压缩后的图像由xyY空间转换回RGB空间，得到一组具有不同压缩系数的测试图像；

步骤A2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤A3、将原始图像和JND临界图像分别划分为大小为K*K个像素的图像块，然后分别选出原始图像和JND临界图像中平均灰度最大的图像块；

步骤A4、根据显示器的伽马曲线，计算原始图像和JND临界图像中平均灰度最大的图像块的平均灰度值所对应的实际显示亮度的差值，该差值的平均值即为该被试对该原始图像亮度的JND值；

步骤A5、更换不同的原始图像及被试，重复步骤A-D；将所有被试对不同原始图像的亮度JND值进行均值计算及方差分析确定图像亮度的JND值。

3.如权利要求2所述基于视觉特性的图像质量评价方法，其特征在于，所述K的取值为143。

4.如权利要求1所述基于视觉特性的图像质量评价方法，其特征在于，所述图像色度JND值按照以下方法测定：

步骤B1、按照以下方法对原始图像进行处理，得到测试图像：

步骤B101、通过伽马校正将原始图像转换至线性空间；

步骤B102、然后将线性转换后的原始图像由RGB空间经XYZ空间和Lab空间转换到LCH空间；

步骤B103、在LCH空间中，保持其它分量不变，仅将分量C按照一组不同的改变量减小，所述分量C的一组不同的改变量在0.2-1.5范围内等间隔分布；

步骤B104、将C分量减小后的图像由LCH空间转换回RGB空间，得到一组具有不同色度分量的测试图像；

步骤B2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤B3、计算原始图像和JND临界图像中平均色度值的差值，该差值的平均值即为该被试对该原始图像色度的JND值；

步骤B4、更换不同的原始图像及被试，重复步骤B1-B3；将所有被试对不同原始图像的色度JND值进行均值计算及方差分析确定图像色度的JND值。

5.如权利要求4所述基于视觉特性的图像质量评价方法，其特征在于，步骤B103中所述间隔为0.1。

6.如权利要求1所述基于视觉特性的图像质量评价方法，其特征在于，所述图像清晰度JND值按照以下方法测定：

步骤C1、按照以下方法对原始图像进行处理，得到测试图像：

步骤C101、通过伽马校正将原始图像转换至线性空间；

步骤C102、然后将线性转换后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤C103、在xyY空间中，保持其它分量不变，按照一组不同方差参数的高斯函数仅对分量Y进行卷积，所述一组方差参数在0.1-0.8之间等间隔分布；

步骤C104、将卷积后的图像由xyY空间转换回RGB空间，得到一组具有不同模糊程度的测试图像；

步骤C2、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤C3、根据步骤C103的处理过程，找出对应于JND临界图像的高斯卷积时的方差参数值，该值的平均值即为该被试对该原始图像清晰度的JND值；

步骤C4、更换不同的原始图像及被试，重复步骤C1-C3；将所有被试对不同原始图像的清晰度JND值进行均值计算及方差分析确定图像清晰度的JND值。

7.如权利要求6所述基于视觉特性的图像质量评价方法，其特征在于，步骤C103中所述间隔为0.1。

Images