CN103366369B - 一种评价图像中块效应的方法及装置 - Google Patents
一种评价图像中块效应的方法及装置 Download PDFInfo
- Publication number
- CN103366369B CN103366369B CN201310271856.8A CN201310271856A CN103366369B CN 103366369 B CN103366369 B CN 103366369B CN 201310271856 A CN201310271856 A CN 201310271856A CN 103366369 B CN103366369 B CN 103366369B
- Authority
- CN
- China
- Prior art keywords
- image block
- massfraction
- image
- matrix
- evaluated
- 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
- 238000000034 method Methods 0.000 title claims abstract description 127
- 230000000903 blocking effect Effects 0.000 title claims abstract description 57
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 description 11
- 238000007906 compression Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000001303 quality assessment method Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种评价图像中块效应的方法及装置,该方法包括:将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;对所述第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;根据所述矩阵T获取对应图像块的质量分数;根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;根据所述待评价灰度图像的质量分数评价图像的块效应。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种评价图像中块效应的方法及装置。
背景技术
在图像信息技术的广泛应用情况下,图像质量评价成为一个广泛而基本的问题。图像是我们认知很重要的途径,因此对图像信息的处理成为各个领域不可或缺的手段。然而在图像处理和传输过程中,图像不可避免的出现失真和降质的情况,这给人们认识客观世界和研究解决问题带来问题。因此图像的合理评价具有很重大的意义。近些年来,随着图像处理技术的发展,该领域已吸引了研究人员的广泛关注,国内外已有许多科研机构和商业公司投身其中,如美国泰克公司研制的图像质量分析仪已经被广泛地应用。
目前,图像质量评价方法有主观评价和客观评价两类。虽然主观评价方法是最为准确、可靠的图像质量评价方法,但是由于其方法容易受到实验环境及观察者知识水平、喜好等自然原因的影响,评价结果往往不稳定,不适用于实时系统。客观评价方法具有简单、实时、可重复和易集成等特点使其成为研究热点,但由于人是图像的最终受体,因此客观的评价结果应尽可能与主观感受保持一致,这也是客观评价方法好坏的标准。
根据对原始图像的依赖程度,客观质量评价一般分为三种类型,即全参考型、部分参考型和无参考型。全参考方法就是利用原始图像全部信息,通过计算原始图像与失真图像之间的感知误差,并综合这些误差得到失真图像的质量评价分数。全参考评价体系虽是目前研究较多,相对较成熟的评价体系,但其使用前提是需要参考图像的全部信息,这在很多场合是很困难的。但是如果能得到参考图像的部分特征信息,在这种情况下,就可以采用部分参考的质量评价方法。无参考质量评价方法也称为盲评价,即完全依赖于待评测图像本身的信息来进行质量评价。由于不需要原始图像的任何信息,因此实现起来非常困难,但是由于其在应用领域的实用性,还是吸引了许多学者的关注。目前无参考图像质量评价主要集中在对特定失真的客观评价。
针对块效应的无参考评价主要是根据压缩图像块边界上梯度值变化的剧烈程度作为特征量,来衡量块效应失真程度。文献:ZhouWang,HamidR.Sheikh,No-referenceperceptualqualityassessmentofJPEGcompressedimages,ProceedingsofIEEEInternationalConferenceonImageProcessing,pp.477-480,2002.提出了一种无参考的评价JPEG压缩失真图像质量的方法。这种方法在空间域提取图像块效应几个特征,然后经过加权方法求得图像质量分数。文献:HantaoLiu,IngridHeynderickx,Ano-referenceperceptualblockinessmetric,ProceedingofInternationalConferenceonAcoustics,Speech,andSignalProcessing,pp.865-868,2008.提出先取出水平和垂直分量的块效应特征量,再利用HVS模型对块效应特征量进行滤波,最后得出接近于主观视觉感知的评价分值。文献:SangwooLee,SangJuPark,Anewimagequalityassessmentmethodtodetectandmeasurestrengthofblockingartifacts,SignalProcessing:ImageCommunication,27(1):31-38,2012.提出了先用Sobel算子检测水平和垂直方向的块效应特征量,设置合理的阈值,最后求出图像质量分数。文献:郭迎春,袁浩杰,吴鹏,一种基于无参考的块效应评价方法,光电子.激光,22(3):465-468,2011.提出了依据图像每8×8图像块的灰度值特性把其失真程度分为严重、较严重、有轻微方块化效应和无方块化4类,统计每类图像块占整幅图像的比例,然后确立每类图像块与图像质量平均主观得分之间的关系。
目前,无参考图像质量评价技术还不是很成熟,如何只依靠待评价图像本身对其进行质量评价是解决问题的关键。上述无参考图像块效应评价方法在提取图像块效应特征时只是在图像的空间域进行计算,不能准确的反映图像的块效应程度。
发明内容
本发明的目的是针对上述问题,提出一种评价图像中块效应的方法及装置,该技术方案在没有参考图像的情况下对图像中的块效应进行评价,克服了上述现有技术的缺点,并且得出的图像质量分数与图像主观质量分数一致性程度很高,很准确的反映了图像的质量。
为实现上述目的,本发明提供了一种评价图像中块效应的方法,该方法包括:
将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
对所述第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
根据所述矩阵T获取对应图像块的质量分数;
根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
根据所述待评价灰度图像的质量分数评价图像的块效应。
可选的,在本发明一实施例中,所述根据所述矩阵T获取对应图像块的质量分数的步骤包括:
根据所述矩阵T获取对应图像块的实际质量分数;
将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
可选的,在本发明一实施例中,所述图像块的实际质量分数为水平方向的一图像块的质量分数。
可选的,在本发明一实施例中,所述水平方向的图像块的质量分数根据所述矩阵T除第一列之外的其他列中的至少一列的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
可选的,在本发明一实施例中,所述图像块的实际质量分数为垂直方向的一图像块的质量分数。
可选的,在本发明一实施例中,所述垂直方向的图像块的质量分数根据所述矩阵T除第一行之外的其他行中的至少一行的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
可选的,在本发明一实施例中,所述根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数的步骤包括:
对水平方向的图像块的质量分数求平均值,并对垂直方向的图像块的质量分数求平均值;
根据所述水平方向的图像块的质量分数的平均值和所述垂直方向的图像块的质量分数的平均值获取待评价灰度图像的质量分数。
可选的,在本发明一实施例中,所述根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数的步骤还包括:
对获取的待评价灰度图像的质量分数进行归一化处理。
为实现上述目的,本发明还提供了一种评价图像中块效应的装置,该装置包括:
分块处理单元,用于将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
离散正交矩变换单元,用于对第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
图像块质量分数单元,用于根据所述矩阵T获取对应图像块的质量分数;
图像质量分数单元,用于根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
评价单元,用于根据所述待评价灰度图像的质量分数评价图像的块效应。
可选的,在本发明一实施例中,所述图像块质量分数单元包括:
图像块实际质量分数模块,用于根据所述矩阵T获取对应图像块的实际质量分数;
比较模块,用于将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
上述技术方案具有如下有益效果:本技术方案与以往的一些无参考的块效应图像质量评价的方法相比,利用离散正交矩提取图像特征,把图像的块效应程度通过变换域计算得出,对图像的描述更加准确,更加符合人的主观感受。此方法在评价块效应图像的质量上与主观质量评价更为契合,比以往的无参考块效应图像质量评价方法更准确,甚至比一些全参考图像质量评价方法性能更优越。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的一种评价图像中块效应的方法流程图;
图2为本发明提出的一种评价图像中块效应的装置方框图;
图3为本发明提出的一种评价图像中块效应的装置中图像块质量分数单元方框图;
图4为本实施例的评价图像中块效应的示意图;
图5是灰度图像分块方法图;其中,(a)是初始的8×8图像块,图像块A与B之间的水平边界有可能产生块效应,图像块A与D之间的垂直边界也可能产生块效应,图中加粗的部分为它们之间的边界。(b)是以图像块A与B为例按照水平方向分块的示意图,其中,灰色的区域为水平方向的图像块(用于计算水平方向块效应分数)。(c)是以图像块A与D为例按照垂直方向分块的示意图,其中,灰色的区域为垂直方向的图像块(用于计算垂直方向块效应分数);
图6是水平方向和垂直方向的含有理想块效应的图像块及其矩变换矩阵的能量图;(a)是理想情况下含有垂直方向块效应的图像块,(b)是(a)中图像块的矩变换矩阵的能量图,(c)是理想情况下含有水平方向块效应的图像块,(d)是(c)中图像块的矩变换矩阵的能量图;
图7是LIVE图像数据库中一组JPEG压缩失真图,这些图像的主观评价分数分别为:(a)DMOS=28.31,(b)DMOS=40.20,(c)DMOS=42.87,(d)DMOS=60.07,(e)DMOS=59.86,(f)DMOS=49.86。DMOS为平均主观分数差,用于图像的主观质量评价,其范围为0~100,图像的DMOS值越大,图像质量越差;DMOS值越小,图像质量越好。
图8是LIVE图像数据库中233个JPEG压缩失真图像的主观质量分数与客观质量分数(ZhouWang等人的方法)的非线性拟合图;
图9是LIVE图像数据库中233个JPEG压缩失真图像的主观质量分数与客观质量分数(SangwooLee等人的方法)的非线性拟合图;
图10是LIVE图像数据库中233个JPEG压缩失真图像的主观质量分数与客观质量分数(本发明的方法)的非线性拟合图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明提出的一种评价图像中块效应的方法流程图。该方法包括:
步骤101):将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
步骤102):对所述第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
步骤103):根据所述矩阵T获取对应图像块的质量分数;
步骤104):根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
步骤105):根据所述待评价灰度图像的质量分数评价图像的块效应。
优选地,所述步骤103具体包括:
步骤1031):根据所述矩阵T获取对应图像块的实际质量分数;
步骤1032):将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
可选地,所述图像块的实际质量分数为水平方向的一图像块的质量分数。则所述水平方向的图像块的质量分数根据所述矩阵T除第一列之外的其他列中的至少一列的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
可选地,所述图像块的实际质量分数为垂直方向的一图像块的质量分数。则所述垂直方向的图像块的质量分数根据所述矩阵T除第一行之外的其他行中的至少一行的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
优选地,所述步骤104包括:
步骤A):对水平方向的图像块的质量分数求平均值,并对垂直方向的图像块的质量分数求平均值;
步骤B):根据所述水平方向的图像块的质量分数的平均值和所述垂直方向的图像块的质量分数的平均值获取待评价灰度图像的实际质量分数。
优选地,所述步骤104还包括:
对获取的待评价灰度图像的质量分数进行归一化处理。
如图2所示,为本发明提出的一种评价图像中块效应的装置方框图。该装置包括:
分块处理单元201,用于将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
离散正交矩变换单元202,用于对第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
图像块质量分数单元203,用于根据所述矩阵T获取对应图像块的质量分数;
图像质量分数单元204,用于根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
评价单元205,用于根据所述待评价灰度图像的质量分数评价图像的块效应。
如图3所示,为本发明提出的一种评价图像中块效应的装置中图像块质量分数单元方框图。所述图像块质量分数单元203包括:
图像块实际质量分数模块2031,用于根据所述矩阵T获取对应图像块的实际质量分数;
比较模块2032,用于将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
实施例:
如图4所示,为本实施例的评价图像中块效应的示意图。本实施例具体流程如下:
(1)对彩色图像灰度化
设待评价的彩色图像的红色、绿色和蓝色三个通道中灰度分别为R、G、B,则灰度化方法为Y=0.299*R+0.587*G+0.114*B,Y为灰度化后的图像亮度。如果待评价图像为灰度图像则跳过此步。
(2)对灰度图像分块
设待评价图像f的大小为M×N,首先将图像进行第一次分块处理,分解成8×8图像块,根据实际需要,可以调整分块上图像块的大小,并不仅仅限制为8×8,这里仅以8×8为例。这些图像块之间互不重叠,由此图像f总共可获得的图像块数为 为下取整。因为在这些图像块边缘才会产生块效应,所以以这些图像块边缘为基准按照水平方向和垂直方向进行第二次分块处理,使水平方向和垂直方向的图像块与第一次分块处理时获得的图像块大小相等,并且包含第一次分块处理时获取的图像块之间的水平/垂直边界,水平/垂直方向图像块包含第一次分块处理时分得的上下/左右之间图像块各一半内容,水平方向的图像块数为垂直方向图像块数为如图5所示,图5(a)是初始图像块,图像块A与图像块B和图像块C有水平边界,图像块A与图像块D和图像块E有垂直边界。图5(b)是以图像块A与图像块B的水平边界为基准再次进行分块,图中灰色区域是水平方向分的图像块,用于计算水平方向块效应分数。图5(c)是以图像块A与图像块D的垂直边界为基准再次进行分块,图中灰色区域是垂直方向分的图像块,用于计算垂直方向块效应分数。由图5(a)~图5(c)可知,第二次分块处理时获取的图像块大小也是8×8,比如说按照第一次分块处理时获取的两图像块之间水平边缘为例,一个图像块在上边,一个图像块在下边,两图像块之间的边缘为水平方向的,第二次分块处理时获取的图像块包含上边图像块的下边一半内容,包含下边图像块的上边一半内容,这样划分出的图像块包含两个图像块的各一半内容并且包含了那两个图像块之间的水平边缘。
(3)分别计算水平(垂直)方向上每一图像块的质量分数
首先对水平方向的h个8×8图像块分别进行7阶Tchebichef矩变换,生成一个8×8的矩变换矩阵为
其中,k代表第k个图像块,h表示水平方向的图像块。然后对矩阵中的每一个数值求绝对值生成一个新的矩阵因为在矩阵中m00的存在对是否产生块效应没有直接关系,所以计算时不考虑在内。所以每一个图像块的质量分数为:
由式(2)可知,本实施例中,分子为图像块的矩阵中最后一行的元素之和。其实,分子可以为图像块的矩阵中除第一行之外至少行中至少一行的元素之和。但是分子仅仅为最后一行元素之和时,做实验得出的结果效果最好。
本发明方法在块效应很明显的情况能够准确计算出图像块质量分数,但当图像块中没有块效应或者块效应很不明显的情况下计算得出的分数不统一,为此这里设置一个阈值Tq,若的值大于或等于阈值Tq,则若小于这个阈值则其值不变。通过实验发现Tq值取0.05效果较好。垂直方向v个图像块也用同样的方法求出每个图像块的质量分数
本发明之所以选择这样的比值作为每个图像块的质量分数是因为如果图像块中含有水平(垂直)方向块效应边缘则其矩变换矩阵前几列(行)数值较大而后几列(行)数值较小,接近零。如图6所示,图6(a)是含有理想垂直方向块效应的图像块,图6(b)是对应图像块的矩变换矩阵的能量图,只有第一行能量较大,其他行全部为零;图6(c)是含有理想水平方向块效应的图像块,图6(d)是对应图像块的矩变换矩阵的能量图,只有第一列能量较大,其他列全部为零。由此可以看出,当图像块中出现块效应时,就会反映到图像的矩变换矩阵中;我们还注意到,图像块中块效应不明显时,最后一行(列)最能反映出图像块的质量,所以选择这样的比值计算水平方向上图像块的质量分数和垂直方向上图像块的质量分数
(4)求出整个图像的质量分数
先对水平方向h个图像块的质量分数求平均值
再对垂直方向v个图像块的质量分数求平均值
最后对两个方向的质量分数求平均值即得到整个图像的质量分数
Q'=(Qh+Qv)/2(5)
对Q'设置一个阈值为0.05,当Q'>0.05时,Q'值即为0.05;当Q'≤0.05,则其值不变。这样求得图像质量分数范围为[0~0.05]太小,为了使图像质量范围在[0~1]之间,则
Q=20×Q'(6)
最后计算得出的Q值即为图像的质量分数,当图像中块效应程度越轻,Q值越接近1;当图像中块效应程度越严重,Q值越趋近0。
为了证明本发明的效果,对存在不同程度块效应的图像进行质量评价,并且与其他无参考块效应图像质量方法进行对比。
为了验证本发明的正确性,从LIVE图像数据库中选出一组JPEG压缩失真的图像进行验证。LIVE图像数据库中图像主观评价分数为DMOS,图像质量越好,DMOS越接近0;图像质量越差,DMOS越接近100。图7中为实验中采用的部分JPEG压缩图像,主观评价分数DMOS和利用本发明方法计算得到的客观质量分数Q分别为:(a)DMOS=28.31,Q=0.4627。(b)DMOS=40.20,Q=0.1943。(c)DMOS=42.87,Q=0.2092。(d)DMOS=60.07,Q=0.0062。(e)DMOS=59.86,Q=0.0062。(f)DMOS=49.86,Q=0.0282。测试结果可以看出,本发明在评价图像质量上所得出的结果与主观质量评价结果一致性较好,能够比较准确的评价图像的质量。
性能测试和实验分析
为了更好地验证本发明评价图像质量的准确性,将本发明中的方法与其他两种方法在两个图像数据库进行测试,这两个图像数据库分别是LIVE图像数据库和MICT图像数据库(网址:http://mict.eng.u-toyama.ac.jp/mictdb.html)。我们使用这些图像数据JPEG压缩失真的图像进行验证。LIVE图像数据共有233幅JPEG压缩失真图像,MICT图像数据库有98幅JPEG压缩失真图像。MICT图像数据库中的图像主观质量分数为MOS,其范围为[0~5]。当图像质量越好,MOS值越接近5;当图像质量越差,MOS值越接近0。
ZhouWang,HamidR.Sheikh等人在2002年发表的论文“No-referenceperceptualqualityassessmentofJPEGcompressedimages”中介绍了一种无参考的评价JPEG压缩失真图像质量的方法,这种方法在空间域提取图像块效应几个特征,然后经过加权方法求得图像质量分数,记这种方法为“Zhou方法”;SangwooLee,SangJuPark在2012年发表的论文“Anewimagequalityassessmentmethodtodetectandmeasurestrengthofblockingartifacts”中提出了先用sobel算子检测水平和垂直方向的块效应特征量,设置合理的阈值,最后求出图像质量分数,记这种方法为“Lee方法”。下面我们就把本发明方法与这两种方法在两个图像数据库做实验进行对比。
一般地,图像客观质量评价分数与图像主观质量分数之间呈现非线性关系,所以本发明采用的下面Logistic非线性回归方程对主客观评价进行非线性回归
其中,x代表客观质量评价分数,选择合适的τ1、τ2、τ3和τ4使得f(x)与主观质量评价分数的误差最小。用回归曲线与客观分的统计指标作为评价客观评价方法性能的指标,包括:1)相关系数(correlationcoefficient,CC)为非线性回归后的线性相关系数,用于定量度量客观分数与主观分数的一致性程度;2)均方误差根(Rootmeansquarederror,RMSE)为非线性回归后的标准差,也用于定量度量客观分数与主观分数的一致性程度;3)Spearman相关系数(Spearmanrankordercorrelationcoefficient,SROCC),用于衡量方法的单调性。图8、图9和图10为LIVE图像数据库中233个JPEG压缩失真图像的主客观质量分数的非线性拟合图,图8为ZhouWang等人提出的方法拟合图,图9为SangwooLee等人提出算法的拟合图,图10为本发明提出方法的拟合图。从图8~图10中可以看出,本发明方法获得的质量分数更加集中在拟合曲线附近,拟合特性最好。表1和表2中给出了这三种方法在三个不同的图像数据库中的性能指标,CC及SROCC越大性能越好,RMSE越小性能越好。由表1和表2中可以看出,本发明在这两种图像数据库中效果均为最好;而且本发明在这两个图像数据库中的CC值都在0.92以上,说明了本发明在评价图像质量上具有很高的准确性。
表1LIVE图像数据库实验结果
评价指标 | Zhou方法 | Lee方法 | 本发明方法 |
CC | 0.9414 | 0.9426 | 0.9640 |
SROCC | 0.9188 | 0.9296 | 0.9429 |
RMSE | 8.1811 | 8.0976 | 6.4513 |
表2MICT图像数据库实验结果
评价指标 | Zhou方法 | Lee方法 | 本发明方法 |
CC | 0.9125 | 0.7625 | 0.9275 |
SROCC | 0.8952 | 0.8097 | 0.9098 |
RMSE | 0.5399 | 0.8538 | 0.4932 |
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种评价图像中块效应的方法,其特征在于,该方法包括:
将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
对所述第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
根据所述矩阵T获取对应图像块的质量分数;
根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
根据所述待评价灰度图像的质量分数评价图像的块效应;
其中,所述根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数的步骤包括:
对水平方向的图像块的质量分数求平均值,并对垂直方向的图像块的质量分数求平均值;
根据所述水平方向的图像块的质量分数的平均值和所述垂直方向的图像块的质量分数的平均值获取待评价灰度图像的质量分数。
2.如权利要求1所述的方法,其特征在于,所述根据所述矩阵T获取对应图像块的质量分数的步骤包括:
根据所述矩阵T获取对应图像块的实际质量分数;
将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
3.如权利要求2所述的方法,其特征在于,所述图像块的实际质量分数为水平方向的一图像块的质量分数。
4.如权利要求3所述的方法,其特征在于,所述水平方向的图像块的质量分数根据所述矩阵T除第一列之外的其他列中的至少一列的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
5.如权利要求2所述的方法,其特征在于,所述图像块的实际质量分数为垂直方向的一图像块的质量分数。
6.如权利要求5所述的方法,其特征在于,所述垂直方向的图像块的质量分数根据所述矩阵T除第一行之外的其他行中的至少一行的元素之和、所述矩阵T中所有元素之和以及所述矩阵T中第一行第一列的元素获取。
7.如权利要求1所述的方法,其特征在于,所述根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数的步骤还包括:
对获取的待评价灰度图像的质量分数进行归一化处理。
8.一种评价图像中块效应的装置,其特征在于,该装置包括:
分块处理单元,用于将待评价灰度图像进行第一次分块处理,并以所述第一次分块处理获取的图像块边缘为基准,分别按照水平方向、垂直方向进行第二次分块处理;其中,所述第二次分块处理得到的图像块与所述第一次分块处理得到的图像块大小相同;
离散正交矩变换单元,用于对第二次分块处理获取的图像块进行离散正交矩变换生成矩阵,并对矩阵里的每一个元素求绝对值得到矩阵T;
图像块质量分数单元,用于根据所述矩阵T获取对应图像块的质量分数;
图像质量分数单元,用于根据所述第二次分块处理获取的图像块的质量分数得到待评价灰度图像的质量分数;
评价单元,用于根据所述待评价灰度图像的质量分数评价图像的块效应;
其中,所述图像质量分数单元具体用于对水平方向的图像块的质量分数求平均值,并对垂直方向的图像块的质量分数求平均值;根据所述水平方向的图像块的质量分数的平均值和所述垂直方向的图像块的质量分数的平均值获取待评价灰度图像的质量分数。
9.如权利要求8所述的装置,其特征在于,所述图像块质量分数单元包括:
图像块实际质量分数模块,用于根据所述矩阵T获取对应图像块的实际质量分数;
比较模块,用于将所述实际质量分数与一阈值进行比较;当所述实际质量分数大于等于阈值,则对应图像块的质量分数大小等于阈值;当所述实际质量分数小于阈值,则对应图像块的质量分数大小等于所述实际质量分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310271856.8A CN103366369B (zh) | 2013-07-01 | 2013-07-01 | 一种评价图像中块效应的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310271856.8A CN103366369B (zh) | 2013-07-01 | 2013-07-01 | 一种评价图像中块效应的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103366369A CN103366369A (zh) | 2013-10-23 |
CN103366369B true CN103366369B (zh) | 2016-02-10 |
Family
ID=49367637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310271856.8A Expired - Fee Related CN103366369B (zh) | 2013-07-01 | 2013-07-01 | 一种评价图像中块效应的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103366369B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156953B (zh) * | 2014-08-01 | 2017-08-04 | 哈尔滨工程大学 | 一种基于离散正交矩的图像重构方法 |
CN109146856A (zh) * | 2018-08-02 | 2019-01-04 | 深圳市华付信息技术有限公司 | 图像质量评定方法、装置、计算机设备及存储介质 |
CN109816647B (zh) * | 2019-01-23 | 2021-03-19 | 北京邮电大学 | 一种基于离散正交矩的失真目标识别与判定方法 |
CN114240849B (zh) * | 2021-11-25 | 2023-03-31 | 电子科技大学 | 一种基于梯度变化的无参考jpeg图像质量评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09171556A (ja) * | 1995-08-11 | 1997-06-30 | Canon Inc | 特徴抽出方法及び装置 |
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
-
2013
- 2013-07-01 CN CN201310271856.8A patent/CN103366369B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09171556A (ja) * | 1995-08-11 | 1997-06-30 | Canon Inc | 特徴抽出方法及び装置 |
CN101605257A (zh) * | 2008-06-11 | 2009-12-16 | 北京中创信测科技股份有限公司 | 一种块效应分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
一种自适应消除块效应的新算法;谢胜利 等;《电子学报》;20051025;第2节第2、6段,第4节第1段,图1 * |
基于图像质量评价的自动图像复原技术;王辉 等;《传感技术学报》;20120715;第3节第1-3段 * |
Also Published As
Publication number | Publication date |
---|---|
CN103366369A (zh) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107027023B (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
CN108428227B (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
CN102333233B (zh) | 一种基于视觉感知的立体图像质量客观评价方法 | |
CN103996192B (zh) | 基于高质量自然图像统计量模型的无参考图像质量评价方法 | |
Reynolds et al. | Quasi-experimental estimates of the effects of a preschool intervention: Psychometric and econometric comparisons | |
CN104902267B (zh) | 一种基于梯度信息的无参考图像质量评价方法 | |
CN103366369B (zh) | 一种评价图像中块效应的方法及装置 | |
CN109167996B (zh) | 一种基于卷积神经网络的无参考立体图像质量评价方法 | |
CN107105223B (zh) | 一种基于全局特征的色调映射图像质量客观评价方法 | |
CN103475897B (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN105282543B (zh) | 一种基于立体视觉感知的全盲立体图像质量客观评价方法 | |
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 | |
CN104134204A (zh) | 一种基于稀疏表示的图像清晰度评价方法和装置 | |
CN103281554B (zh) | 一种基于人眼视觉特性的视频客观质量评价方法 | |
CN109872305A (zh) | 一种基于质量图生成网络的无参考立体图像质量评价方法 | |
CN104036501A (zh) | 一种基于稀疏表示的立体图像质量客观评价方法 | |
CN106447647A (zh) | 一种压缩感知恢复图像的无参考质量评价方法 | |
CN108537218A (zh) | 一种答题卡的识别处理方法及装置 | |
CN102547368A (zh) | 一种立体图像质量客观评价方法 | |
Teo | Online and paper-based survey data: Are they equivalent? | |
CN104811691A (zh) | 一种基于小波变换的立体视频质量客观评价方法 | |
CN110674464A (zh) | 一种基于物联网的计算机教学评级系统 | |
CN105357519A (zh) | 基于自相似度特征的无参考立体图像质量客观评价方法 | |
CN106412571A (zh) | 一种基于梯度相似性标准差的视频质量评价方法 | |
CN102708568B (zh) | 一种基于结构失真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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160210 Termination date: 20160701 |