图像质量评测方法及系统技术方案

本发明专利技术公开了一种图像质量评测方法及系统，综合应用复高斯尺度混合模型和复小波变换的各自特点，采用复高斯尺度混合模型刻画图像的统计分布特性，利用复小波变换的近似平移不变性和良好的方向选择性来刻画图像的空间相关性，能够实施对不同失真类型的图像进行质量评测，具有较好的通用性，同时提高了图像质量评测结果的可靠性。

【技术实现步骤摘要】
图像质量评测方法及系统
本专利技术涉及图像处理
，尤其涉及一种图像质量评测方法，还涉及一种图像质量评测系统。
技术介绍
图像数据在传输、通信、视频发布、传播、压缩等过程中，经过处理后的图像与原始图像将有一定程度的失真，如何评测这些失真以及这些差异对图像质量的影响，是图像质量评测的主要内容。图像质量评测可以客观地评价图像质量的好坏，反映图像视觉性能的优劣，可为图像处理软、硬件系统、视频处理系统等的研发提供重要的参考依据。因此，研究有效的图像质量评测方法具有重要的理论价值和实际价值。为了评测图像的质量，提出了许多的图像质量评测方法。如峰值信噪比(PeakSignaltoNoiseRatio,PSNR)、信噪比(SignaltoNoiseRatio,SNR)以及均方误差(MeanSquaredError,MSE)等方法，该类方法直接对图像的像素值进行处理，计算两幅图像之间的差异，以此来评估图像质量的优劣，实现简单、高效，但是该类方法没有考虑到人类的视觉感知特性，图像评测质量较差。因此，基于人类的视觉感知特性，人们提出了一些新的方法来评测图像质量，其中包括一种基于互信息的图像质量评测方法，该方法取得了符合人类主观认识的评价结果。但是该方法的缺点是仅仅利用了互信息刻画图像的统计相关性，没有考虑到图像的空间几何分布特性，仅基于互信息进行图像质量评测有其局限性。
技术实现思路
为了克服现有的基于互信息的图像质量评测方法的不足，本专利技术综合考虑图像的统计特性以及图像的空间几何相关性，采用合适的数学模型来刻画图像的统计特性和空间相关性，提供了一种图像质量评测方法及系统。根据本专利技术的一个方面，提供了一种图像质量评测方法，其包括：输入参考图像和失真图像；对所述参考图像和所述失真图像进行双树复小波变换分解，得到由第一参考低频子带图像和第一失真低频子带图像构成的第一低频图像组、由第二参考低频子带图像和第二失真低频子带图像构成的第二低频图像组、以及依次对应六个分解方向的六个高频图像组；其中，每个分解方向的高频图像组由该分解方向的参考高频子带图像和该分解方向的失真高频子带图像构成；依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度；依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度；根据所有低频图像组对应的相似度和所有高频图像组对应的相似度，确定图像质量评测值。优选的是，所述方法还包括：采用曲线拟合方式对所述图像质量评测值进行验证，以衡量图像质量评测的主客观一致性。优选的是，依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度，包括：依次对于每个由参考低频子带图像和失真低频子带图像构成的低频图像组，应用复高斯尺度混合模型对所述参考低频子带图像的复小波系数和所述失真低频子带图像的复小波系数进行建模，并计算所述低频图像组基于互信息的视觉权重；分别提取所述参考低频子带图像的复小波系数的幅度、相位信息和所述失真低频子带图像的复小波系数的幅度、相位信息，并结合所述低频图像组基于互信息的视觉权重计算所述低频图像组对应的相似度。优选的是，依次对于每个由参考低频子带图像和失真低频子带图像构成的低频图像组，应用复高斯尺度混合模型对所述参考低频子带图像的复小波系数和所述失真低频子带图像的复小波系数进行建模，并计算所述低频图像组基于互信息的视觉权重，包括：计算所述参考低频子带图像与第一低频感知图像的第一低频互信息，所述第一低频感知图像由所述参考低频子带图像经信息传输后形成；计算所述失真低频子带图像与第二低频感知图像的第二低频互信息，所述第二低频感知图像由所述失真低频子带图像经信息传输后形成；计算所述第一低频感知图像和所述第二低频感知图像的第三低频互信息；根据所述第一低频互信息、所述第二低频互信息和所述第三低频互信息，计算所述低频图像组基于互信息的视觉权重。优选的是，依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度，包括：依次对于每个分解方向的高频图像组，应用复高斯尺度混合模型对所述分解方向的参考高频子带图像的复小波系数和所述分解方向的失真高频子带图像的复小波系数进行建模，并计算所述分解方向的高频图像组基于互信息的视觉权重；分别提取所述分解方向的参考高频子带图像的复小波系数的幅度、相位信息和所述分解方向的失真高频子带图像的复小波系数的幅度、相位信息，并结合所述分解方向的高频图像组基于互信息的视觉权重计算所述分解方向的高频图像组对应的相似度。优选的是，依次对于每个分解方向的高频图像组，应用复高斯尺度混合模型对所述分解方向的参考高频子带图像的复小波系数和所述分解方向的失真高频子带图像的复小波系数进行建模，并计算所述分解方向的高频图像组基于互信息的视觉权重，包括：计算所述参考高频子带图像与第一高频感知图像的第一高频互信息，所述第一高频感知图像由所述参考高频子带图像经信息传输后形成；计算所述失真高频子带图像与第二高频感知图像的第二高频互信息，所述第二高频感知图像由所述失真高频子带图像经信息传输后形成；计算所述第一高频感知图像和所述第二高频感知图像的第三高频互信息；根据所述第一高频互信息、所述第二高频互信息和所述第三高频互信息，计算所述高频图像组基于互信息的视觉权重。根据本专利技术的另一个方面，提供了一种图像质量评测系统，其包括：图像输入模块，设置为输入参考图像和失真图像；双树复小波变换分解模块，设置为对所述参考图像和所述失真图像进行双树复小波变换分解，得到由第一参考低频子带图像和第一失真低频子带图像构成的第一低频图像组、由第二参考低频子带图像和第二失真低频子带图像构成的第二低频图像组、以及依次对应六个分解方向的六个高频图像组；其中，每个分解方向的高频图像组由该分解方向的参考高频子带图像和该分解方向的失真高频子带图像构成；第一相似度计算模块，设置为依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度；第二相似度计算模块，设置为依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度；质量评测模块，设置为根据所有低频图像组对应的相似度和所有高频图像组对应的相似度，确定图像质量评测值。优选的是，所述系统还包括：验证模块，设置为采用曲线拟合方式对所述图像质量评测值进行验证，以衡量图像质量评测的主客观一致性。优选的是，所述第一相似度计算模块包括：第一视觉权重计算单元，设置为依次对于每个由参考低频子带图像和失真低频子带图像构成的低频图像组，应用复高斯尺度混合模型对所述参考低频子带图本文档来自技高网...

【技术保护点】
一种图像质量评测方法，其特征在于，包括：输入参考图像和失真图像；对所述参考图像和所述失真图像进行双树复小波变换分解，得到由第一参考低频子带图像和第一失真低频子带图像构成的第一低频图像组、由第二参考低频子带图像和第二失真低频子带图像构成的第二低频图像组、以及依次对应六个分解方向的六个高频图像组；其中，每个分解方向的高频图像组由该分解方向的参考高频子带图像和该分解方向的失真高频子带图像构成；依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度；依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度；根据所有低频图像组对应的相似度和所有高频图像组对应的相似度，确定图像质量评测值。

【技术特征摘要】
1.一种图像质量评测方法，其特征在于，包括：输入参考图像和失真图像；对所述参考图像和所述失真图像进行双树复小波变换分解，得到由第一参考低频子带图像和第一失真低频子带图像构成的第一低频图像组、由第二参考低频子带图像和第二失真低频子带图像构成的第二低频图像组、以及依次对应六个分解方向的六个高频图像组；其中，每个分解方向的高频图像组由该分解方向的参考高频子带图像和该分解方向的失真高频子带图像构成；依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度；依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度；根据所有低频图像组对应的相似度和所有高频图像组对应的相似度，确定图像质量评测值；其中，依次对每个低频图像组，应用复高斯尺度混合模型分别对构成所述低频图像组的图像的复小波系数进行建模，并计算构成所述低频图像组的图像间的相似度，得到所述低频图像组对应的相似度，包括：依次对于每个由参考低频子带图像和失真低频子带图像构成的低频图像组，应用复高斯尺度混合模型对所述参考低频子带图像的复小波系数和所述失真低频子带图像的复小波系数进行建模，并计算所述低频图像组基于互信息的视觉权重；分别提取所述参考低频子带图像的复小波系数的幅度、相位信息和所述失真低频子带图像的复小波系数的幅度、相位信息，并结合所述低频图像组基于互信息的视觉权重计算所述低频图像组对应的相似度。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用曲线拟合方式对所述图像质量评测值进行验证，以衡量图像质量评测的主客观一致性。3.根据权利要求1或2所述的方法，其特征在于，依次对于每个由参考低频子带图像和失真低频子带图像构成的低频图像组，应用复高斯尺度混合模型对所述参考低频子带图像的复小波系数和所述失真低频子带图像的复小波系数进行建模，并计算所述低频图像组基于互信息的视觉权重，包括：计算所述参考低频子带图像与第一低频感知图像的第一低频互信息，所述第一低频感知图像由所述参考低频子带图像经信息传输后形成；计算所述失真低频子带图像与第二低频感知图像的第二低频互信息，所述第二低频感知图像由所述失真低频子带图像经信息传输后形成；计算所述第一低频感知图像和所述第二低频感知图像的第三低频互信息；根据所述第一低频互信息、所述第二低频互信息和所述第三低频互信息，计算所述低频图像组基于互信息的视觉权重。4.根据权利要求1或2所述的方法，其特征在于，依次对每个高频图像组，应用复高斯尺度混合模型分别对构成所述高频图像组的图像的复小波系数进行建模，并计算构成所述高频图像组的图像间的相似度，得到所述高频图像组对应的相似度，包括：依次对于每个分解方向的高频图像组，应用复高斯尺度混合模型对所述分解方向的参考高频子带图像的复小波系数和所述分解方向的失真高频子带图像的复小波系数进行建模，并计算所述分解方向的高频图像组基于互信息的视觉权重；分别提取所述分解方向的参考高频子带图像的复小波系数的幅度、相位信息和所述分解方向的失真高频子带图像的复小波系数的幅度、相位信息，并结合所述分解方向的高频图像组基于互信息的视觉权重计算所述分解方向的高频图像组对应的相似度。5.根据权利要求4所述的方法，其特征在于，依次对于每个分解方向的高频图像组，应用复高斯尺度混合模型对所述分解方向的参考高频子带图像的复小波系数和所述分解方向的失真高频子带图像的复小波系数进行建模，并计算所述分解方向的高频图像组基于互信息的视觉权重，包括：计算所述参考高频子带图像与第一高频感知图像的第一高频互信息，所述第一高频感知图像由所述参考高频子带图像经信息传输后形成；计算所述失真高频子带图像与第二高频感知图像的第二高频互信息，所述第二高频感知图像由所述失真高频子带图像经信息传输后形成；计算所述第一高频感知图像和所述第二高频感知图像的第三高频互信息；根据所述第一高频互信息...

【专利技术属性】
技术研发人员：刘金华，苗东，周文胜，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：四川;51