基于二元空间依存关系的失真图像评价方法技术

本发明专利技术公开了基于二元空间依存关系的失真图像评价方法，对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间；建立图像二元空间位置关系与小波分解高频系数的联合分布；采用二元广义高斯分布拟合建立的联合分布，估计二元广义高斯分布参数；根据估计出的二元广义高斯分布参数计算图像的失真程度，评价图像质量。本发明专利技术采用hsv色空间以符合人类视觉系统的色彩响应机制，应用图像的小波分解系数以减少像质特征的内容相关，并通过二元空间依存关系表示图像的失真程度。

【技术实现步骤摘要】

本专利技术属于图像质量评价
，特别涉及了基于二元空间依存关系的失真图 像评价方法。
技术介绍
如何保真图像质量是图像及视觉处理技术中的关键问题，在图像压缩、编码、传 输、显示各图像处理过程中都需要保真图像质量。 为了克服主观图像质量评价方法耗时，受主观因素影响大、无法实现系统嵌入的 困难，客观图像质量评价方法得到了长足的发展。客观图像质量评价方法以得到与人类主 观感受一致的图像质量评价结果为目的，具有方便系统嵌入，实时监测的优点。 美国德州大学奥斯汀分校，Che-Chun Su等人提出的图像特征描述方法（SU C C， CORMACK L K?B0VIK A C. Bivariate Statistical Modeling of Color and Range in Natural Scenes. Proceedings of SPIEj San Francisco, California，USA，2014, 9014 1G: 1-10)，但是该方法并没有应用该特征对图像质量失真进行评估。 无参考的客观图像质量评价方法由于无法获得标准图像，所以对图像质量特征提 出了更高的要求，不仅需要像质特征符合人类视觉系统特点，且要与图像内容尽量无关，同 时还要对失真图像进行评估。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供基于二元空间依存关 系的失真图像评价方法，采用hsv色空间以符合人类视觉系统的色彩响应机制，应用图像 的小波分解系数以减少像质特征的内容相关，并通过二元空间依存关系表示图像的失真程 度。 为了实现上述技术目的，本专利技术的技术方案为： ，包括以下步骤： (1)对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间； (2)图像的二元空间位置关系包括水平相邻、垂直相邻和对角相邻，图像的小波分 解高频系数包括水平系数、垂直系数和对角系数，建立图像二元空间位置关系与小波分解 高频系数的联合分布：水平相邻-水平系数、垂直相邻-垂直系数、对角相邻-对角系数、水 平相邻-垂直系数、水平相邻-对角系数、垂直相邻-对角系数； (3)采用二元广义高斯分布拟合步骤（2)建立的联合分布，估计二元广义高斯分 布参数； (4)根据步骤（3)估计出的二元广义高斯分布参数计算图像的失真程度，评价图 像质量。 进一步地，在步骤（1)中，采用式（1)-式⑶将rgb图像映射到hsv空间： CN 105184796 A 兄明十ι 2/4 页 上式中，min()为取最小值，当r = g = b时，h没有定义，当r+g+b = 0时，s没有 定义。 进一步地，当b/v > g/v时，则令h = 2 π -h，再通过h = h/2 π，将h的数值规范 到区间。 进一步地，所述步骤（3)的具体步骤如下： (a)给形状参数β赋予初始值β。，给对称散布矩阵M赋予初始值M。； (b)将形状参数β的初始值β。和对称散布矩阵M的初始值M。代入式（4)，求出 对称散布矩阵M的估计值#: 式⑷中，Xk表示第k对小波系数对，k = 1，2,…，K，y k= X kTM 1Xk; (c)将式⑷求出的对称散布矩阵M的估计值#代入式（5)中，利用牛顿-拉弗 森迭代法求出f (β ) = 〇的根的i次近似值β 1: 式（5)中，Ψ㈩表示普西函数； ⑷当I U11I彡c时，将P1作为形状参数β的估计值I代入式（6)，求出尺 度参数α的估计值设： 其中，c为预设精度值。 进一步地，将步骤（3)中求得的尺度参数α的估计值?和形状参数β的估计值 #代入式（7)中，求得图像的失真程度η， 根据失真程度η评价图像的质量。 采用上述技术方案带来的有益效果： 本专利技术采用hsv色空间以符合人类视觉系统的色彩响应机制，应用图像的小波分 解系数以减少像质特征的内容相关，并通过二元空间依存关系表示图像的失真程度。利用 TID2013数据库对本专利技术进行测试及对比研究，结果表明：利用本专利技术得到的图像失真评 价与实际的图像质量的一致性达到96%以上。【附图说明】 图1是本专利技术的基本流程图； 图2是本专利技术像素二元空间位置关系示意图，包括（a)、（b)、（c)三幅图，分别表示 二元空间位置关系。【具体实施方式】 以下将结合附图，对本专利技术的技术方案进行详细说明。 如图1所示本专利技术的基本流程图，， 包括以下步骤： 步骤1 :对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间。 采用式（1) -式⑶将rgb图像映射到hsv空间： 上式中，min()为取最小值，当r = g = b时，h没有定义，当r+g+b = 0时，s没 有定义。当b/v > g/v时，则令h = 2 π -h，再通过h = h/2 π，将h的数值规范到区 间。 步骤2 :图像的二元空间位置关系如图2所示，图2包括（a)、（b)、（c)三幅图，分 别表示三种二元空间位置关系：水平相邻、垂直相邻和对角相邻。图像的小波分解高频系数 包括水平系数、垂直系数和对角系数。 建立图像二元空间位置关系与小波分解高频系数的联合分布：水平相邻-水平系 数、垂直相邻-垂直系数、对角相邻-对角系数、水平相邻-垂直系数、水平相邻-对角系数、 垂直相邻-对角系数。 由于像素的小波系数并不是统计独立的，即当某个子频带小波系数较大时，在相 邻位置或者在相邻尺度相同位置上会出现较大的小波系数，那么像素小波系数的二元空间 依存关系就可以由小波系数的联合分布表示。 步骤3 :采用二元广义高斯分布拟合步骤2建立的联合分布，估计二元广义高斯分 布参数，其具体步骤如下： (a)给形状参数β赋予初始值β。，给对称散布矩阵M赋予初始值Μ。； (b)将形状参数β的初始值β。和对称散布矩阵M的初始值M。代入式（4)，求出 对称散布矩阵M的估计值M : 式⑷中，Xk表示第k对小波系数对，k = 1，2,…，K，y k= X kTM 1Xk; (c)将式⑷求出的对称散布矩阵M的估计值M代入式（5)中，利用牛顿-拉弗 森迭代法求出f (β ) = 〇的根的i次近似值β 1: 式（5)中，Ψ (*)表示普西函数； ⑷当I β「β i i I彡c时，将β i作为形状参数β的估计值/)代入式（6)，求出尺 度参数α的估计值^ ; 其中，c为预设精度值。 步骤4 :根据步骤3估计出的二元广义高斯分布参数计算图像的失真程度，评价图 像质量。将步骤3中求得的尺度参数α的估计值^ :和形状参数β的估计值#代入式（7) 中，求得图像的失真程度η， 根据失真程度η评价图像的质量。 以上实施例仅为说明本专利技术的技术思想，不能以此限定本专利技术的保护范围，凡是 按照本专利技术提出的技术思想，在技术方案基础上所做的任何改动，均落入本专利技术保护范围 之内。【主权项】1. ，其特征在于，包括以下步骤： (1) 对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间； (2) 图像的二元空间位置关系包括水平相邻、垂直相邻和对角相邻，图像的小波分解高 频系数包括水平系数、垂直系数和对角系数，建立图像二元空间位置关系与小波分解高频 系数的联合分布：水平相邻-水平系数、垂直相邻-垂直系数、对角相邻-对角系数、水平相本文档来自技高网...

【技术保护点】
基于二元空间依存关系的失真图像评价方法，其特征在于，包括以下步骤：(1)对图像rgb空间的数值进行归一标准化，然后将rgb图像映射到hsv空间；(2)图像的二元空间位置关系包括水平相邻、垂直相邻和对角相邻，图像的小波分解高频系数包括水平系数、垂直系数和对角系数，建立图像二元空间位置关系与小波分解高频系数的联合分布：水平相邻‑水平系数、垂直相邻‑垂直系数、对角相邻‑对角系数、水平相邻‑垂直系数、水平相邻‑对角系数、垂直相邻‑对角系数；(3)采用二元广义高斯分布拟合步骤(2)建立的联合分布，估计二元广义高斯分布参数；(4)根据步骤(3)估计出的二元广义高斯分布参数计算图像的失真程度，评价图像质量。

【技术特征摘要】

【专利技术属性】
技术研发人员：张闯，王亚明，陈苏婷，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32