CN103945217B - 基于熵的复小波域半盲图像质量评测方法和系统 - Google Patents
基于熵的复小波域半盲图像质量评测方法和系统 Download PDFInfo
- Publication number
- CN103945217B CN103945217B CN201410157669.1A CN201410157669A CN103945217B CN 103945217 B CN103945217 B CN 103945217B CN 201410157669 A CN201410157669 A CN 201410157669A CN 103945217 B CN103945217 B CN 103945217B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- entropy
- original reference
- block
- 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
Abstract
本发明涉及图像处理技术领域,公开了一种基于熵的复小波域半盲图像质量评测方法和系统,该方法包括:对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;对从原始参考图像和待测图像中选择的子块分别实施复小波变换;分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。本发明运用信息熵选取图像中信息丰富的区域作为特征信息提取的空间,并综合利用了图像的幅度和相位信息,实现了基于图像主要特征的客观评测,并提高了图像质量评测的效率。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于熵的复小波域半盲图像质量评测方法和系统。
背景技术
在图像传输、多媒体通信以及视频处理等领域,图像通常经受一定程度的失真,如加性噪声、数据压缩、几何变形、运动模糊等造成的图像失真。为便于后继图像的分析和处理,通常需要对图像质量进行客观地评测,评测结果将有利于对图像处理系统中的算法设计参数进行优化配置、失真因素分析或图像修复等,进而可保证获取高质量的图像信号。
一般说来,图像质量的客观评测包括全参考图像质量评测方法、半盲评测方法(部分参考评测方法)以及盲评测方法(无参考评测方法)三种。全参考图像质量评测方法需要原始图像的全部信息,在实际图像处理系统中,由于图像数据量大,在图像处理接收端往往难以获取全部的原始图像,因此,全参考图像质量评测方法的实际应用有其局限性。半盲评测方法也就是需要原始参考图像的部分信息,如从图像中提取的特征信息作为质量评测方法的参考,该方法只需要部分信息,数据量较小,对实际图像处理系统的数据传输和处理的影响不大,因此,比较实用。盲评测方法也就是无参考评测方法,即是在图像处理接收端不需要原始图像信息作为参考,自动地对图像进行质量评测。该方法由于不知道图像的先验信息,在质量评测算法设计方面具有非常大的挑战性,在实际中的应用也不多。
目前,现有技术中最成熟的图像质量评测方案包括基于峰值信噪比的方法和基于结构相似度的方法。这两种方法实质上都需要原始参考图像的参与,属于全参考图像质量评测方法,在实际应用中都具有一定的局限性。基于峰值信噪比的方法直接对图像的像素进行处理,即计算原始参考图像与待测图像之间的能量差异,求出它们的峰值信噪比;基于结构相似度的方法充分考虑了图像的亮度信息、对比度信息以及结构信息,根据原始参考图像与待测图像之间关于上述信息的相关性进行评测。这两种方法均有计算简单高效的优点,但同时这两种方法也都仅仅考虑了图像空域的结构特点,忽略了图像的几何特征、相位特征等信息,不能较好地反映人眼对图像的真实感受,也难以较好地体现图像质量评测的主客观一致性。
发明内容
针对现有技术的缺陷,本发明所要解决的技术问题是如何较好地体现图像质量评测的主客观一致性。
为解决上述问题,一方面本发明提供了一种基于熵的复小波域半盲图像质量评测方法,包括步骤:
对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
优选地,所述方法还包括步骤:
采用曲线拟合方式对质量评测结果进行验证,以衡量评测的主客观一致性。
优选地,所述复小波变换分解的层数为3层,滤波器为近似对称的13,19-抽头滤波器和Q-Shift14,14抽头滤波器。
优选地,所述方法中,根据像素的分布概率分别计算所有子块的图像信息熵。
优选地,所述方法中,所述半盲图像质量评测具体包括步骤:
首先根据所述幅度和相位信息计算子块之间的质量评测值;
随后综合所有图像子块的质量评测值并结合视觉权重因子对整幅图像进行质量评测。
另一方面,本发明还同时提供了一种基于熵的复小波域半盲图像质量评测系统,所述系统包括:
信息熵模块,用于对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
权重模块,用于计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
复小波变换模块,用于对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
评测模块,用于分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
优选地,所述系统还包括:
验证模块,用于采用曲线拟合方式对质量评测结果进行验证,以衡量评测的主客观一致性。
优选地,所述复小波变换模块中:
所述复小波变换分解的层数为3层,滤波器为近似对称的13,19-抽头滤波器和Q-Shift14,14抽头滤波器。
优选地,所述信息熵模块中进一步包括:
熵计算模块,用于根据像素的分布概率分别计算所有子块的图像信息熵。
优选地,所述评测模块中进一步包括:
子块评测模块,用于根据所述幅度和相位信息计算子块之间的质量评测值;
综合评测模块,用于综合所有图像子块的质量评测值并结合视觉权重因子对整幅图像进行质量评测。
本发明对基于结构相似度的方法进行了改进,运用信息熵选取了图像中边缘、纹理以及轮廓等信息丰富的区域作为特征信息提取的空间,并综合利用了图像的幅度和相位信息,实现了基于图像主要特征的客观评测,并提高了图像质量评测的效率。
附图说明
图1为本发明的一个实施例中基于熵的复小波域半盲图像质量评测方法的流程示意图;
图2为本发明的一个优选实施例中的方法流程示意图;
图3为现有技术中基于结构相似度的质量评测的主客观一致性仿真结果示意图;
图4为本发明的质量评测的主客观一致性仿真结果示意图。
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,所描述的实施例为实施本发明的较佳实施方式,所述描述是以说明本发明的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围应当以权利要求所界定者为准,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的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。
考虑到基于结构相似度的评测方法在图像质量评测领域中具有代表性,本发明主要是针对基于结构相似度的方法进行的改进。现有技术的方法的主要缺点为:仅仅考虑了图像的空域结构属性之间的相关性,忽略了图像自身的几何特征和相位特征,导致该方法没有较好地体现图像质量评测的主客观一致性。因此,本发明根据信息熵能较好地反映图像边缘、轮廓等突变区域的特点,选取图像中信息熵大的区域作为特征空间,运用复小波变换技术提取图像的幅度特征信息和相位特征信息,并基于图像的边缘、幅度以及相位等部分特征信息设计了一种半盲图像质量评测方法。参见图1,在本发明的一个实施例中,基于熵的复小波域半盲图像质量评测方法包括步骤:
对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
下面进一步结合实例对本发明的优选实施方式做进一步的说明。
其中,进一步参见图2,对输入的原始参考图像I1和待测图像I2进行子块划分,子块大小为16×16;分别计算所有子块的图像信息熵:
其中,表示像素的分布概率,L×N表示图像大小, M表示图像灰度,对每个图像子块的熵值按照降序排序,以所有子块熵值的平均值为阈值,选取熵大于平均值的子块;这里设选择的子块数为H。
分别计算原始参考图像和待测图像的子块之间的相位一致性值,对于图像子块I,其相位一致性值有其中ε是一个大于0的小常量,表示图像子块I在尺度为n方向角为θj的幅度值,j表示方向数,表示图像子块在方向角θj上的局部能量值。进一步求出图像所有子块的相位一致性平均值H为之前选择的图像子块数。根据上式分别求出原始参考图像和待测图像所有子块的相位一致性平均值,分别记作和基于相位一致性的视觉权重因子设为
对原始参考图像和待测图像中选择的子块分别实施复小波变换分解,复小波变换分解的层数为3层,滤波器选择为近似对称的13,19-抽头滤波器和Q-Shift14,14抽头滤波器。
设原始参考图像子块经复小波变换后的系数为待测图像子块经复小波变换后的系数为然后分别在子块中提取子块复小波系数的幅度和相位信息,计算图像子块之间的质量评测值:
其中K为大于0的常量,α>0,β>0表示常量指数因子,在本发明中设置α=β=1。上式中第一项表示幅度信息,第二项表示相位信息,且表示复小波系数的复共轭。最后结合视觉权重因子ω(I),并综合所有图像子块的质量评测值,那么整幅图像的质量评测值为:
其中Ω表示整幅图像区域。QA为QualityAssessment的首字母缩写。
获得质量评测值后就可利用其进行后续的图像分析和处理了,鉴于后续操作不是本发明关注的重点,在此不再赘述。本发明对基于结构相似度的方法进行了改进,运用信息熵选取了图像中边缘、纹理以及轮廓等信息丰富的区域作为特征信息提取的空间,并综合利用了图像的幅度和相位信息,实现了基于图像主要特征的客观评测,并提高了图像质量评测的效率。
为进一步体现上述技术方案的技术效果,本发明中还采用曲线拟合方式对质量评测结果进行验证,以衡量评测的主客观一致性。主客观一致性指采用本发明的方案进行的客观评测结果与人主观的观感是否相符,在本发明中,将图像客观评测的质量评测过程看成是主观评测的非线性函数,该函数定义为:
其中μ1,μ2,μ3,μ4,μ5表示非线性拟合参数;参数的设置根据视频质量专家组提出的图像质量评价准则进行:即“一般认为对图像的客观评价获得的测度和对图像主观评价的测度满足一定的非线性关系;并且这些参数可以通过MATLAB的非线性优化函数获得,如nlinfit函数。将该函数生成的logistic曲线与主观评测结果的离散点的位置进行对比,可以比较直观地看出主客观评测的一致程度。
具体地,图3和图4的仿真结果是采用LIVE图像数据库的主观值作为图像质量主观评价的数据进行的,从图3和图4中的散点曲线对比图结果可以看出,现有技术中基于结构相似度的方法当图像失真程度加大时,也就是X轴SSIM(StructuralSimilarity,结构相似性)质量评测值较低的情况下,图3中的散点图分布较为稀疏,图像质量的主客观一致性较差;而图4为本发明方法的仿真效果,散点图的分布比较密集,从中可以看出本发明方法能够较好地体现图像质量评测的主客观一致性。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,本领域相关技术人员应能理解,与本发明的方法相对应的,本发明还同时包括一种基于熵的复小波域半盲图像质量评测系统,与上述方法步骤一一对应地,该系统包括:
信息熵模块,用于对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
权重模块,用于计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
复小波变换模块,用于对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
评测模块,用于分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
与现有技术相比,本发明对基于结构相似度的方法进行了改进,运用信息熵选取了图像中边缘、纹理以及轮廓等信息丰富的区域作为特征信息提取的空间,并综合利用了图像的幅度和相位信息,设计了一种基于熵的复小波域半盲图像质量评测方法。本发明的技术方案中,利用了信息熵能够较好地刻画图像的边缘、纹理以及轮廓等突变区域的特点,选取了图像信息丰富的区域作为特征信息提取的空间,为半盲图像质量评测方法的设计提供了部分特征信息的参考,解决了图像质量评测数据量大的问题,提高了图像质量评测的效率。与此同时,利用了图像中不同位置的区域在人类心理视觉上的感知不同的特点以及相位一致性特征在一定程度上反映了图像结构变化程度的特性,计算了一种图像质量评测的视觉权重因子,克服了采用基于结构相似度方法的质量评测加权策略的不足,有效地利用了图像的特征信息。此外,通过采用复小波变换技术以及综合运用图像复小波系数的幅度和相位信息,设计了一种基于熵的半盲图像质量评测值函数,并对该函数进行曲线拟合,较好地解决了图像质量评测的主客观一致性。
虽然以上结合优选实施例对本发明进行了描述,但本领域的技术人员应该理解,本发明所述的方法和系统并不限于具体实施方式中所述的实施例,在不背离由所附权利要求书限定的本发明精神和范围的情况下,可对本发明作出各种修改、增加、以及替换。
Claims (10)
1.一种基于熵的复小波域半盲图像质量评测方法,其特征在于,所述方法包括步骤:
对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
2.如权利要求1所述的方法,其特征在于,所述方法还包括步骤:
采用曲线拟合方式对质量评测结果进行验证,以衡量评测的主客观一致性。
3.如权利要求1所述的方法,其特征在于,所述复小波变换分解的层数为3层,滤波器为近似对称的13,19-抽头滤波器和Q-Shift14,14抽头滤波器。
4.如权利要求1所述的方法,其特征在于,所述方法中,根据像素的分布概率分别计算所有子块的图像信息熵。
5.如权利要求1所述的方法,其特征在于,所述方法中,所述半盲图像质量评测具体包括步骤:
首先根据所述幅度和相位信息计算子块之间的质量评测值;
随后综合所有图像子块的质量评测值并结合视觉权重因子对整幅图像进行质量评测。
6.一种基于熵的复小波域半盲图像质量评测系统,其特征在于,所述系统包括:
信息熵模块,用于对输入的原始参考图像和待测图像进行子块划分,分别计算所有子块的图像信息熵,选择熵值大于所有子块的平均熵值的子块;
权重模块,用于计算原始参考图像和待测图像的子块的相位一致性值,并设置质量评测的视觉权重因子;
复小波变换模块,用于对从原始参考图像和待测图像中选择的子块分别实施复小波变换;
评测模块,用于分别提取原始参考图像和待测图像的幅度和相位信息,结合视觉权重因子进行半盲图像质量评测。
7.如权利要求6所述的系统,其特征在于,所述系统还包括:
验证模块,用于采用曲线拟合方式对质量评测结果进行验证,以衡量评测的主客观一致性。
8.如权利要求6所述的系统,其特征在于,所述复小波变换模块中:
所述复小波变换分解的层数为3层,滤波器为近似对称的13,19-抽头滤波器和Q-Shift14,14抽头滤波器。
9.如权利要求6所述的系统,其特征在于,所述信息熵模块中进一步包括:
熵计算模块,用于根据像素的分布概率分别计算所有子块的图像信息熵。
10.如权利要求6所述的系统,其特征在于,所述评测模块中进一步包括:
子块评测模块,用于根据所述幅度和相位信息计算子块之间的质量评测值;
综合评测模块,用于综合所有图像子块的质量评测值并结合视觉权重因子对整幅图像进行质量评测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410157669.1A CN103945217B (zh) | 2014-04-17 | 2014-04-17 | 基于熵的复小波域半盲图像质量评测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410157669.1A CN103945217B (zh) | 2014-04-17 | 2014-04-17 | 基于熵的复小波域半盲图像质量评测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103945217A CN103945217A (zh) | 2014-07-23 |
CN103945217B true CN103945217B (zh) | 2016-01-06 |
Family
ID=51192663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410157669.1A Active CN103945217B (zh) | 2014-04-17 | 2014-04-17 | 基于熵的复小波域半盲图像质量评测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103945217B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268590B (zh) * | 2014-09-17 | 2017-08-11 | 电子科技大学 | 基于互补性组合特征与多相回归的盲图像质量评价方法 |
CN104918039B (zh) * | 2015-05-05 | 2017-06-13 | 四川九洲电器集团有限责任公司 | 图像质量评测方法及系统 |
CN106023208B (zh) * | 2016-05-23 | 2019-01-18 | 北京大学 | 图像质量的客观评价方法 |
CN106327501B (zh) * | 2016-08-31 | 2018-11-13 | 西北民族大学 | 一种有参考型唐卡图像修复后质量评价方法 |
CN106960433B (zh) * | 2017-03-01 | 2019-11-19 | 厦门大学 | 一种基于图像熵以及边缘的全参考声纳图像质量评测方法 |
CN110161330B (zh) * | 2019-05-10 | 2021-06-11 | 广东石油化工学院 | 基于灰度理论的变压器运行状态的振声检测方法以及装置 |
CN110363763B (zh) * | 2019-07-23 | 2022-03-15 | 上饶师范学院 | 图像质量评价方法、装置、电子设备及可读存储介质 |
CN111091069A (zh) * | 2019-11-27 | 2020-05-01 | 云南电网有限责任公司电力科学研究院 | 一种盲图像质量评价引导的电网目标检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170581B (zh) * | 2011-05-05 | 2013-03-20 | 天津大学 | 基于hvs的ssim与特征匹配立体图像质量评价方法 |
CN103475898A (zh) * | 2013-09-16 | 2013-12-25 | 北京理工大学 | 一种基于信息熵特征的无参考图像质量评价方法 |
-
2014
- 2014-04-17 CN CN201410157669.1A patent/CN103945217B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170581B (zh) * | 2011-05-05 | 2013-03-20 | 天津大学 | 基于hvs的ssim与特征匹配立体图像质量评价方法 |
CN103475898A (zh) * | 2013-09-16 | 2013-12-25 | 北京理工大学 | 一种基于信息熵特征的无参考图像质量评价方法 |
Non-Patent Citations (2)
Title |
---|
Complex Wavelet Structural Similarity:A New Image Similarity Index;Mehul P. Sampat et.al.;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20091130;第18卷(第11期);第2385-2401页 * |
FSIM:A Feature Similarity Index for Image Quality Assessment;Lin Zhang et.al.;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20111231;第20卷(第8期);第2378-2386页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103945217A (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103945217B (zh) | 基于熵的复小波域半盲图像质量评测方法和系统 | |
CN104902267B (zh) | 一种基于梯度信息的无参考图像质量评价方法 | |
CN102170581B (zh) | 基于hvs的ssim与特征匹配立体图像质量评价方法 | |
CN105208374B (zh) | 一种基于深度学习的无参考图像质量客观评价方法 | |
CN102637297B (zh) | 一种基于Curvelet变换的可见光与红外图像融合方法 | |
CN102333233B (zh) | 一种基于视觉感知的立体图像质量客观评价方法 | |
CN103475897B (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN105049851B (zh) | 基于色彩感知的通用无参考图像质量评价方法 | |
CN103093434B (zh) | 基于奇异值分解的非局部维纳滤波图像去噪方法 | |
Zhang et al. | An algorithm for no-reference image quality assessment based on log-derivative statistics of natural scenes | |
CN105260998A (zh) | 基于mcmc采样和阈值低秩逼近的图像去噪方法 | |
CN113837974B (zh) | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 | |
CN110363763B (zh) | 图像质量评价方法、装置、电子设备及可读存储介质 | |
CN109801232A (zh) | 一种基于深度学习的单幅图像去雾方法 | |
CN101976444A (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 | |
CN111709914B (zh) | 一种基于hvs特性的无参考图像质量评价方法 | |
CN103208097A (zh) | 图像多方向形态结构分组的主分量分析协同滤波方法 | |
CN105160667A (zh) | 联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法 | |
CN102722888A (zh) | 基于生理与心理立体视觉的立体图像客观质量评价方法 | |
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 | |
CN109829905A (zh) | 一种面部美化感知质量的无参考评价方法 | |
CN104021523A (zh) | 一种基于边缘分类的图像超分辨率放大的新方法 | |
CN109429051A (zh) | 基于多视图特征学习的无参考立体视频质量客观评价方法 | |
CN102750700A (zh) | 一种结合邻域信息的快速鲁棒模糊c均值图像分割方法 | |
CN105894507A (zh) | 基于图像信息量自然场景统计特征的图像质量评价方法 |
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 |