一種基于小波域的半?yún)⒖紙D像質(zhì)量評價(jià)算法
【專利摘要】一種基于小波域的半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于按如下步驟進(jìn)行：(一)：分別對失真圖像和參考圖像進(jìn)行2尺度小波分解；(二)：分別提取參考圖像和失真圖像的特征向量CXlow(i)和CYlow(i)；(三)：將失真圖像特征向量CXlow(i)看成N維歐氏空間中的點(diǎn)CXlow[i]，參考圖像特征向量CYlow(i)看成N維歐氏空間中的點(diǎn)CYlow[i]，計(jì)算圖像質(zhì)量評價(jià)標(biāo)準(zhǔn)D(X，Y)。本文的半?yún)⒖紙D像質(zhì)量評價(jià)算法和其它半?yún)⒖紙D像質(zhì)量評價(jià)算法相比，算法簡單，物理意義清晰，算法性能優(yōu)越。在實(shí)際應(yīng)用方面，本文的半?yún)⒖紙D像質(zhì)量評價(jià)算法和其它全參考圖像質(zhì)量評價(jià)算法相比，當(dāng)無法獲得參考圖像的全部信息時(shí)，更具有實(shí)際應(yīng)用價(jià)值。
【專利說明】一種基于小波域的半?yún)⒖紙D像質(zhì)量評價(jià)算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，是一種基于小波域的半?yún)⒖紙D像質(zhì)量評價(jià)算法。

【背景技術(shù)】
[0002] 按照評價(jià)過程需要多少原始參考圖像信息，客觀圖像質(zhì)量評價(jià)方法可以分為三大 類：全參考（Full-Reference，F(xiàn)R)圖像質(zhì)量評價(jià)法，半?yún)⒖迹≧educed-Reference，RR)圖像 質(zhì)量評價(jià)法和無參考（No-Reference, NR)圖像質(zhì)量評價(jià)法。全參考圖像質(zhì)量評價(jià)算法需 要參考圖像的全部信息才能完成圖像質(zhì)量評價(jià)，相較于實(shí)際應(yīng)用，更適合理論研究。無參考 圖像質(zhì)量評價(jià)算法不需要參考圖像的任何信息進(jìn)行圖像質(zhì)量評價(jià)，最具實(shí)際應(yīng)用價(jià)值，但 發(fā)展不成熟。半?yún)⒖紙D像質(zhì)量評價(jià)算法只需要部分圖像信息來進(jìn)行圖像質(zhì)量評價(jià)，較全參 考圖像質(zhì)量評價(jià)算法新穎，更適合實(shí)際應(yīng)用。在20世紀(jì)90年代后期首次被提出，主要針對 多媒體通信產(chǎn)業(yè)的一些特殊的實(shí)際應(yīng)用，如復(fù)雜的通信網(wǎng)絡(luò)中追蹤視頻或圖像的質(zhì)量變化 情況、同時(shí)適用于在接收端無法獲得原始圖像或視頻的全部數(shù)據(jù)的網(wǎng)絡(luò)。目前，半?yún)⒖紙D像 質(zhì)量評價(jià)算法和全參考圖像質(zhì)量評價(jià)相比，研究成果大多是基于圖像多尺度幾何分析的算 法，例如基于自然統(tǒng)計(jì)模型的半?yún)⒖紙D像質(zhì)量評價(jià)和基于圖像多尺度幾何分析的半?yún)⒖紙D 像質(zhì)量評價(jià)等。
[0003] 由于小波分解具有局域性，對圖像進(jìn)行小波分解可以提取圖像的局部信息，本發(fā) 明在小波域上來研究半?yún)⒖紙D像質(zhì)量評價(jià)算法。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于根據(jù)質(zhì)量評價(jià)算法模型，建立半?yún)⒖紙D像質(zhì)量評價(jià)算法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下。
[0006] -種基于小波域的半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于按如下步驟進(jìn)行：
[0007] ( -）：分別對失真圖像和參考圖像進(jìn)行2尺度小波分解；
[0008] (二）：分別提取參考圖像和失真圖像的特征向量CXlOT⑴和CYlOT⑴；
[0009] (三）：將失真圖像特征向量CXlOT⑴看成N維歐氏空間中的點(diǎn)CXlOT[i]，參考圖像 特征向量CYlOT(i)看成N維歐氏空間中的點(diǎn)CYlOT[i]，計(jì)算圖像質(zhì)量評價(jià)標(biāo)準(zhǔn)D(X，Y)。 [0010] 本發(fā)明的優(yōu)點(diǎn)是：本發(fā)明的半?yún)⒖紙D像質(zhì)量評價(jià)算法和其它全參考圖像質(zhì)量評價(jià) 算法相比，算法簡單，物理意義清晰。
[0011]

【專利附圖】

【附圖說明】圖1是本發(fā)明流程圖。

【具體實(shí)施方式】
[0012] 圖像小波分解由圖像金字塔分解和二維快速小波變換濾波器組組成。
[0013] 圖像金字塔可對圖像進(jìn)行多尺度分析，是一系列以金字塔形狀排列的分辨率逐漸 降低的圖像集合。
[0014] 二維快速小波變換濾波器組可對圖像進(jìn)方向?yàn)V波，提取水平、垂直和對角線方向 上的方向信息。
[0015] 半?yún)⒖紙D像質(zhì)量評價(jià)算法的關(guān)鍵步驟在于特征向量提取，本發(fā)明根據(jù)圖像小波分 解原理對圖像進(jìn)行2尺度小波分解提取特征向量。
[0016] 對圖像進(jìn)行小波分解后，可得到一個(gè)N維小波系數(shù)向量C，記為：C(i) = |A(2) |H( 2) |V(2) |D(2) |H(1) |V(1) |D⑴]，i = 1，2···Ν
[0017] 上式中A(2)為第2個(gè)尺度上的低頻小波系數(shù)，H(2)、V(2)和D(2)分別為第2個(gè) 尺度上的水平方向、垂直方向和對角線方向上的高頻小波系數(shù)，H(l)、V(l)和D(l)分別為 第1尺度上的水平、垂直和對角線方向上的高頻小波系數(shù)。
[0018] 提取尺度2上的低頻信息作為這些圖片的特征向量，記為ClOT(i)，C lOT(i) =A(2) =C(i)，i = 1，2，…，η,上式中ClOT(i)為η維特征向量，η為尺度2上低頻小波系數(shù)的個(gè) 數(shù)。
[0019] 歐氏幾何距離可用來衡量兩個(gè)信號(hào)的相近程度，是在η維空間中兩點(diǎn)之間的真實(shí) 距離，η維空間中兩點(diǎn)之間的真實(shí)距離越小，說明兩點(diǎn)越接近。η維歐氏空間是一個(gè)點(diǎn)集，它 的每個(gè)點(diǎn)X可表示為[X[l]，X[2]，. . .，χ[η]]，其中x[i] (i = 1，2, . . .，η)是實(shí)數(shù)，稱為X 的第 i 個(gè)坐標(biāo)，貝1J兩個(gè)點(diǎn) a = [a[l]，a[2]，. . .，a[n]]和 b = [b[l]，b[2]，. . .，b[n]]之間 的歐氏距離定義為

【權(quán)利要求】
1. 一種小波域半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于按如下步驟進(jìn)行： (一） 分別對失真圖像和參考圖像進(jìn)行2尺度小波分解； (二） 分別提取參考圖像和失真圖像的特征向量CXlOT(i)和CYlOT(i); (三） 將失真圖像特征向量CXlOT(i)看成點(diǎn)CXlM[i]，參考圖像特征向量CYlOT(i)看成 點(diǎn)CYlOT[i]，計(jì)算圖像質(zhì)量評價(jià)標(biāo)準(zhǔn)D (X，Y)。
2. 根據(jù)權(quán)利要求1所述小波域半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于：在步驟（一） 中，圖像進(jìn)行小波分解后，可得到一個(gè)N維小波系數(shù)向量C，記為：C(i) = [A(2) |H(2) |V(2) D(2) |H(1) |V(1) |D(l)]，i = 1，2."N上式中A(2)為第2個(gè)尺度上的低頻小波系數(shù)，H(2)、 V(2)和D(2)分別為第2個(gè)尺度上的水平方向、垂直方向和對角線方向上的高頻小波系數(shù)， H(l)、V(1)和D(l)分別為第1尺度上的水平方向、垂直方向和對角線方向上的高頻小波系 數(shù)。
3. 根據(jù)權(quán)利要求1所述小波域半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于：在步驟（二） 中，提取尺度2上的低頻信息作為這些圖片的特征向量，記為ClOT(i)，ClOT(i) =A⑵= C⑴，i = 1，2,…，n上式中ClOT(i)為n維特征向量，n為尺度2上低頻小波系數(shù)的個(gè)數(shù)。
4. 根據(jù)權(quán)利要求1所述小波域半?yún)⒖紙D像質(zhì)量評價(jià)算法，其特征在于：在步驟（三） 中，將圖像特征向量ClOT(i)看成n維歐氏空間中的一個(gè)點(diǎn)ClOT[i]，將失真圖像特征向量 CXlOT(i)看成點(diǎn)CX1(W[i]，參考圖像特征向量CYlmt(i)看成點(diǎn)CY lQW[i]，點(diǎn)CXlQW[i]和CYlOT[i] 之間的距離為
：式中D(X，Y)可用來衡量失真圖像和參 考圖像相近的程度，為本文的圖像質(zhì)量評價(jià)標(biāo)準(zhǔn)。D(X，Y)越小，說明失真圖像越接近參考 圖像，失真圖像質(zhì)量越好，D(X，Y)越大，說明失真圖像越遠(yuǎn)離參考圖像，失真圖像質(zhì)量越差。
【文檔編號(hào)】G06T7/00GK104282012SQ201310283747
【公開日】2015年1月14日 申請日期:2013年7月5日 優(yōu)先權(quán)日:2013年7月5日
【發(fā)明者】殷瑩, 桑慶兵, 田燕寧 申請人:江南大學(xué)