一種基于hvs和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，屬于圖像處理與計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】。本發(fā)明的步驟為：一、通過(guò)分析人眼視覺(jué)特性構(gòu)建原始參考圖像和待評(píng)價(jià)失真圖像的數(shù)學(xué)評(píng)價(jià)模型：圖像的空間位置函數(shù)QL、局部方差QV、紋理邊緣復(fù)雜度函數(shù)QTE和顏色函數(shù)QC；二、構(gòu)造原始參考圖像和待評(píng)價(jià)失真圖像的四元數(shù)矩陣，并對(duì)四元數(shù)矩陣進(jìn)行奇異值分解得到圖像的奇異值特征向量；三、利用原始參考圖像和待評(píng)價(jià)失真圖像的奇異值特征向量的歐氏距離度量圖像失真程度。本發(fā)明將人眼視覺(jué)特性和四元數(shù)相結(jié)合，提取圖像的亮度和色度信息，利用人眼視覺(jué)特性構(gòu)造空間位置函數(shù)、紋理邊緣復(fù)雜度函數(shù)和局部方差，評(píng)價(jià)結(jié)果與人眼感知圖像的效果更相符。
【專(zhuān)利說(shuō)明】-種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理與計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】，更具體地說(shuō)，涉及一種利用人眼視 覺(jué)系統(tǒng)的特性構(gòu)建與人眼觀察圖像一致的數(shù)學(xué)模型，與四元數(shù)奇異值分解相結(jié)合，進(jìn)行彩 色圖像質(zhì)量評(píng)價(jià)的方法。

【背景技術(shù)】
[0002] 圖像質(zhì)量是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中重要的參數(shù)之一，隨著計(jì)算機(jī)科學(xué)技術(shù) 的發(fā)展，印刷、瓷磚、影像、圖像檢索等方面對(duì)圖像質(zhì)量的要求越來(lái)越高，但是在圖像的采 集、處理、壓縮、傳輸、顯示等過(guò)程中會(huì)產(chǎn)生不同程度的圖像失真和圖像降質(zhì)問(wèn)題。
[0003] 人類(lèi)作為圖像的最終接收者，使得其對(duì)圖像的主觀質(zhì)量評(píng)價(jià)（Difference Mean Opinion Score,DM0S)被認(rèn)為是最可靠的。主觀質(zhì)量評(píng)價(jià)是讓觀測(cè)者依據(jù)自己的主觀感知 經(jīng)驗(yàn)或者某些事先統(tǒng)一規(guī)定好的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)待評(píng)價(jià)目標(biāo)圖像的視覺(jué)感知效果做出質(zhì)量評(píng) 價(jià)并進(jìn)行打分，然后再將所有觀測(cè)者的分?jǐn)?shù)進(jìn)行加權(quán)平均，所得的結(jié)果即為圖像的主觀質(zhì) 量分?jǐn)?shù)。然而，主觀圖像質(zhì)量評(píng)價(jià)費(fèi)時(shí)費(fèi)力，受觀察者、圖像類(lèi)型和周?chē)h(huán)境的影響較大，實(shí) 時(shí)性較弱。因而人們一直致力于研究能正確及時(shí)有效地反映人們主觀視覺(jué)感知的客觀圖像 質(zhì)量評(píng)價(jià)方法?？陀^圖像質(zhì)量評(píng)價(jià)是利用算法、數(shù)學(xué)模型等對(duì)圖像質(zhì)量進(jìn)行及時(shí)、快速的反 饋以獲得與人的主觀感受相一致的評(píng)價(jià)結(jié)果。該方法多種多樣，由于切入點(diǎn)、基本思想的不 同，分類(lèi)方法也不同。根據(jù)對(duì)原始圖像的參考，客觀質(zhì)量評(píng)價(jià)方法分為全參考型、部分參考 型和無(wú)參考型3種。全參考型適用于編碼器設(shè)計(jì)和不同編碼器的性能比較，部分參考型和 無(wú)參考型適用于帶寬有限的多媒體應(yīng)用。由于全參考型可以利用原始圖像的全部信息，其 對(duì)圖像的評(píng)價(jià)結(jié)果更加符合人類(lèi)主觀評(píng)價(jià)。
[0004] Liu A 等人于 2012 年在《IEEE Transactions on image processing》上發(fā)表的 《Image Quality Assessment Based on Gradient Similarity》中提出的峰值信噪比（Peak Signal Noise Ratio, PSNR)和均方誤差（Mean Square Error, MSE)是最經(jīng)典的全參考型客 觀圖像質(zhì)量評(píng)價(jià)方法。PSNR反映了待評(píng)價(jià)圖像的逼真度（Fidelity)，而MSE反映了待評(píng)價(jià) 圖像與原始圖像的差異性（Diversity)。上述兩種方法的理論簡(jiǎn)單明了，容易理解，計(jì)算起 來(lái)也很方便，但它們只考慮了圖像各個(gè)像素點(diǎn)的比較，并沒(méi)有考慮圖像各個(gè)像素點(diǎn)間可能 存在的結(jié)構(gòu)關(guān)系等，與人眼真實(shí)看到的存在偏差。
[0005] Z Wang 等人于 2004 年在《IEEE Transactions on Image Processing》上發(fā)表的 ((Image quality assessment from error measurement to structural similarity〉〉中提 出SSIM算法綜合比較原始無(wú)失真圖像和待評(píng)價(jià)圖像在亮度、對(duì)比度和結(jié)構(gòu)相似度三類(lèi)不 同的信息間的差異，考慮了像素間的結(jié)構(gòu)關(guān)系，但存在嚴(yán)重模糊情況下細(xì)節(jié)把握不好，而且 指數(shù)參數(shù)確定困難等問(wèn)題。
[0006] W. Xue 等人于 2013 年在《IEEE Transactions on Image Processing》上發(fā)表的 《Gradient magnitude similarity deviation:A highly efficient perceptual image quality index》中提出的基于梯度幅值的相似性偏差算法GMSD考慮到梯度對(duì)圖像失真高 度敏感，但對(duì)彩色圖像的處理必須轉(zhuǎn)換到灰度域上。以上方法對(duì)于彩色圖像的評(píng)價(jià)必須轉(zhuǎn) 化為灰度圖像，評(píng)價(jià)結(jié)果與人眼實(shí)際看到的情況存在偏差。
[0007] 經(jīng)檢索，中國(guó)專(zhuān)利申請(qǐng)?zhí)?00610027433. 1，申請(qǐng)日為2006年6月8日，發(fā)明創(chuàng)造 名稱(chēng)為：一種基于超復(fù)數(shù)奇異值分解的圖像質(zhì)量評(píng)估方法；該申請(qǐng)案利用超復(fù)數(shù)（四元數(shù)） 直接對(duì)彩色圖像建模，用超復(fù)數(shù)奇異值分解提取出彩色圖像固有能量特征，利用原始圖像 與失真圖像奇異值之間的距離構(gòu)造出失真映射矩陣，并使用該失真映射矩陣來(lái)評(píng)估彩色圖 像質(zhì)量。中國(guó)專(zhuān)利申請(qǐng)?zhí)?01210438606. 4,申請(qǐng)日為2012年11月6日，發(fā)明創(chuàng)造名稱(chēng)為： 彩色圖像質(zhì)量評(píng)價(jià)算法，該申請(qǐng)案分別將圖像的色度、亮度和飽和度作為四元數(shù)的虛部，構(gòu) 造參考圖像和待評(píng)價(jià)圖像的四元數(shù)矩陣，并分別對(duì)它們進(jìn)行奇異值分解，得到奇異值特征 向量，最后應(yīng)用灰色關(guān)聯(lián)度計(jì)算參考圖像的奇異值特征向量與各個(gè)待評(píng)價(jià)圖像的奇異值特 征向量之間的關(guān)聯(lián)度，關(guān)聯(lián)度越大，表明待評(píng)價(jià)圖像的質(zhì)量越好。但上述申請(qǐng)案得到的評(píng)價(jià) 結(jié)果與人眼實(shí)際看到的情況仍存在較大偏差，彩色圖像質(zhì)量的評(píng)價(jià)方法仍需進(jìn)一步優(yōu)化。


【發(fā)明內(nèi)容】

[0008] 1.發(fā)明要解決的技術(shù)問(wèn)題
[0009] 本發(fā)明為克服傳統(tǒng)的評(píng)價(jià)方法在構(gòu)建評(píng)價(jià)模型時(shí)，需將彩色圖像轉(zhuǎn)化為灰度圖像 進(jìn)行處理，造成評(píng)價(jià)結(jié)果與人眼實(shí)際看到的情況偏差較大的問(wèn)題，提供了一種基于HVS和 四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法；本發(fā)明提出將人眼視覺(jué)特性和四元數(shù)相結(jié)合，提取圖像 的亮度和色度信息，利用人眼視覺(jué)特性構(gòu)造空間位置函數(shù)、紋理邊緣復(fù)雜度函數(shù)和局部方 差，為改進(jìn)傳統(tǒng)割裂R、G、B三通道的方法，利用四元數(shù)奇異值分解提取圖像的能量特征，使 得評(píng)價(jià)結(jié)果與人眼感知圖像的效果更相符。
[0010] 2.技術(shù)方案
[0011] 為達(dá)到上述目的，本發(fā)明提供的技術(shù)方案為：
[0012] 本發(fā)明的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其步驟為：
[0013] 步驟一、通過(guò)分析人眼視覺(jué)特性構(gòu)建原始參考圖像和待評(píng)價(jià)失真圖像的數(shù)學(xué)評(píng)價(jià) 模型，所述的數(shù)學(xué)評(píng)價(jià)模型包括圖像的空間位置函數(shù)％、局部方差Q v、紋理邊緣復(fù)雜度函數(shù) Qte和顏色函數(shù)Qc;
[0014] 步驟二、將％、QV、QTE作為四元數(shù)的虛部，Q c作為四元數(shù)的實(shí)部，分別構(gòu)造原始參考 圖像和待評(píng)價(jià)失真圖像的四元數(shù)矩陣，并對(duì)四元數(shù)矩陣進(jìn)行奇異值分解得到圖像的奇異值 特征向量；
[0015] 步驟三、利用原始參考圖像和待評(píng)價(jià)失真圖像的奇異值特征向量的歐氏距離度量 圖像失真程度。
[0016] 更進(jìn)一步地，步驟一構(gòu)建數(shù)學(xué)評(píng)價(jià)模型的具體過(guò)程為：
[0017] (1)獲取原始參考圖像和待評(píng)價(jià)失真圖像的RGB二刺激值；
[0018] (2)提取原始參考圖像和待評(píng)價(jià)失真圖像的空間位置信息，構(gòu)建空間位置函數(shù)％ 和紋理邊緣復(fù)雜度函數(shù)Q te;
[0019] (3)將原始參考圖像和待評(píng)價(jià)失真圖像由RGB空間轉(zhuǎn)換為YUV顏色空間，提取圖像 亮度信息構(gòu)建局部方差Qv，提取圖像亮度和色度信息構(gòu)建顏色函數(shù)Q c。
[0020] 更進(jìn)一步地，步驟一利用人類(lèi)視覺(jué)系統(tǒng)的中間凹特性構(gòu)建空間位置函數(shù)％，所述 的空間位置函數(shù)

【權(quán)利要求】
1. 一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其步驟為： 步驟一、通過(guò)分析人眼視覺(jué)特性構(gòu)建原始參考圖像和待評(píng)價(jià)失真圖像的數(shù)學(xué)評(píng)價(jià)模 型，所述的數(shù)學(xué)評(píng)價(jià)模型包括圖像的空間位置函數(shù)％、局部方差Qv、紋理邊緣復(fù)雜度函數(shù)Qte和顏色函數(shù)Qc; 步驟二、將％、QV、QTE作為四元數(shù)的虛部，Qc作為四元數(shù)的實(shí)部，分別構(gòu)造原始參考圖像 和待評(píng)價(jià)失真圖像的四元數(shù)矩陣，并對(duì)四元數(shù)矩陣進(jìn)行奇異值分解得到圖像的奇異值特征 向量； 步驟三、利用原始參考圖像和待評(píng)價(jià)失真圖像的奇異值特征向量的歐氏距離度量圖像 失真程度。
2. 根據(jù)權(quán)利要求1所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在 于：步驟一構(gòu)建數(shù)學(xué)評(píng)價(jià)模型的具體過(guò)程為： (1) 獲取原始參考圖像和待評(píng)價(jià)失真圖像的RGB三刺激值； (2) 提取原始參考圖像和待評(píng)價(jià)失真圖像的空間位置信息，構(gòu)建空間位置函數(shù)％和紋 理邊緣復(fù)雜度函數(shù)Qte; (3) 將原始參考圖像和待評(píng)價(jià)失真圖像由RGB空間轉(zhuǎn)換為YUV顏色空間，提取圖像亮度 信息構(gòu)建局部方差Qv，提取圖像亮度和色度信息構(gòu)建顏色函數(shù)Qc。
3. 根據(jù)權(quán)利要求2所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在 于：步驟一利用人類(lèi)視覺(jué)系統(tǒng)的中間凹特性構(gòu)建空間位置函數(shù)％，所述的空間位置函數(shù)
式中，A為人眼視覺(jué)觀察的像素點(diǎn)（i，j)到圖像中心像素點(diǎn)（M/2，N/2)的距離與
4. 根據(jù)權(quán)利要求2或3所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特 征在于：步驟一利用人類(lèi)視覺(jué)系統(tǒng)的掩蓋效應(yīng)構(gòu)建紋理邊緣復(fù)雜度函數(shù)Qte，所述的紋理邊 緣復(fù)雜度函數(shù) Qte Qt X Qe 式中，Qt為像素點(diǎn)（i，j)的紋理復(fù)雜度函數(shù)，Qe為像素點(diǎn)（i，j)的邊緣復(fù)雜度函數(shù)。
5. 根據(jù)權(quán)利要求4所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在 于：步驟一利用人類(lèi)視覺(jué)系統(tǒng)的多通道特性構(gòu)建局部方差Qv，所述的局部方差
其中，按照?qǐng)D像的亮度分量進(jìn)行互不重疊的分塊得到Iu，L為圖像分塊Iu中包含的
6. 根據(jù)權(quán)利要求5所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在 于：所述的顏色函數(shù) Qc = a Ql+ ^ Qu 式中，Ql為圖像的亮度信息，Qu為圖像的色度信息，a、0分別為亮度和色度所占的比 重。
7.根據(jù)權(quán)利要求6所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在 于：步驟三所述的歐氏距離
式中，A i為原始參考圖像的奇異值特征向量，i,為待評(píng)價(jià)失真圖像的奇異值特征向 量，K為兩奇異值特征向量特征值個(gè)數(shù)的最小值，即兩個(gè)四元數(shù)矩陣秩的最小值：
【文檔編號(hào)】G06T7/00GK104361593SQ201410650245
【公開(kāi)日】2015年2月18日 申請(qǐng)日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】李勃, 陳惠娟, 于海峰, 吳煒, 趙鵬, 張宇澄, 何玉婷, 許宗平 申請(qǐng)人:南京大學(xué)