基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，公開了一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法和系統(tǒng)，該方法包括：對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊；計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子；對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換；分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。本發(fā)明運(yùn)用信息熵選取圖像中信息豐富的區(qū)域作為特征信息提取的空間，并綜合利用了圖像的幅度和相位信息，實(shí)現(xiàn)了基于圖像主要特征的客觀評(píng)測(cè)，并提高了圖像質(zhì)量評(píng)測(cè)的效率。
【專利說明】基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法和系統(tǒng)。
【背景技術(shù)】
[0002]在圖像傳輸、多媒體通信以及視頻處理等領(lǐng)域，圖像通常經(jīng)受一定程度的失真，如加性噪聲、數(shù)據(jù)壓縮、幾何變形、運(yùn)動(dòng)模糊等造成的圖像失真。為便于后繼圖像的分析和處理，通常需要對(duì)圖像質(zhì)量進(jìn)行客觀地評(píng)測(cè)，評(píng)測(cè)結(jié)果將有利于對(duì)圖像處理系統(tǒng)中的算法設(shè)計(jì)參數(shù)進(jìn)行優(yōu)化配置、失真因素分析或圖像修復(fù)等，進(jìn)而可保證獲取高質(zhì)量的圖像信號(hào)。
[0003]一般說來，圖像質(zhì)量的客觀評(píng)測(cè)包括全參考圖像質(zhì)量評(píng)測(cè)方法、半盲評(píng)測(cè)方法(部分參考評(píng)測(cè)方法)以及盲評(píng)測(cè)方法(無參考評(píng)測(cè)方法)三種。全參考圖像質(zhì)量評(píng)測(cè)方法需要原始圖像的全部信息，在實(shí)際圖像處理系統(tǒng)中，由于圖像數(shù)據(jù)量大，在圖像處理接收端往往難以獲取全部的原始圖像，因此，全參考圖像質(zhì)量評(píng)測(cè)方法的實(shí)際應(yīng)用有其局限性。半盲評(píng)測(cè)方法也就是需要原始參考圖像的部分信息，如從圖像中提取的特征信息作為質(zhì)量評(píng)測(cè)方法的參考，該方法只需要部分信息，數(shù)據(jù)量較小，對(duì)實(shí)際圖像處理系統(tǒng)的數(shù)據(jù)傳輸和處理的影響不大，因此，比較實(shí)用。盲評(píng)測(cè)方法也就是無參考評(píng)測(cè)方法，即是在圖像處理接收端不需要原始圖像信息作為參考，自動(dòng)地對(duì)圖像進(jìn)行質(zhì)量評(píng)測(cè)。該方法由于不知道圖像的先驗(yàn)信息，在質(zhì)量評(píng)測(cè)算法設(shè)計(jì)方面具有非常大的挑戰(zhàn)性，在實(shí)際中的應(yīng)用也不多。
[0004]目前，現(xiàn)有技術(shù)中最成熟的圖像質(zhì)量評(píng)測(cè)方案包括基于峰值信噪比的方法和基于結(jié)構(gòu)相似度的方法。這兩種方法實(shí)質(zhì)上都需要原始參考圖像的參與，屬于全參考圖像質(zhì)量評(píng)測(cè)方法，在實(shí)際應(yīng)用中都具有一定的局限性?；诜逯敌旁氡鹊姆椒ㄖ苯訉?duì)圖像的像素進(jìn)行處理，即計(jì)算原始參考圖像與待測(cè)圖像之間的能量差異，求出它們的峰值信噪比；基于結(jié)構(gòu)相似度的方法充分考慮了圖像的亮度信息、對(duì)比度信息以及結(jié)構(gòu)信息，根據(jù)原始參考圖像與待測(cè)圖像之間關(guān)于上述信息的相關(guān)性進(jìn)行評(píng)測(cè)。這兩種方法均有計(jì)算簡(jiǎn)單高效的優(yōu)點(diǎn)，但同時(shí)這兩種方法也都僅僅考慮了圖像空域的結(jié)構(gòu)特點(diǎn)，忽略了圖像的幾何特征、相位特征等信息，不能較好地反映人眼對(duì)圖像的真實(shí)感受，也難以較好地體現(xiàn)圖像質(zhì)量評(píng)測(cè)的主客觀一致性。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明所要解決的技術(shù)問題是如何較好地體現(xiàn)圖像質(zhì)量評(píng)測(cè)的主客觀一致性。
[0006]為解決上述問題，一方面本發(fā)明提供了一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法，包括步驟:
[0007]對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊；
[0008]計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子；
[0009]對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換；
[0010]分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。
[0011]優(yōu)選地，所述方法還包括步驟:
[0012]采用曲線擬合方式對(duì)質(zhì)量評(píng)測(cè)結(jié)果進(jìn)行驗(yàn)證，以衡量評(píng)測(cè)的主客觀一致性。
[0013]優(yōu)選地，所述復(fù)小波變換分解的層數(shù)為3層，濾波器為近似對(duì)稱的13，19-抽頭濾波器和Q_Shiftl4，14抽頭濾波器。
[0014]優(yōu)選地，所述方法中，根據(jù)像素的分布概率分別計(jì)算所有子塊的圖像信息熵。
[0015]優(yōu)選地，所述方法中，所述半盲圖像質(zhì)量評(píng)測(cè)具體包括步驟:
[0016]首先根據(jù)所述幅度和相位信息計(jì)算子塊之間的質(zhì)量評(píng)測(cè)值；
[0017]隨后綜合所有圖像子塊的質(zhì)量評(píng)測(cè)值并結(jié)合視覺權(quán)重因子對(duì)整幅圖像進(jìn)行質(zhì)量評(píng)測(cè)。
[0018]另一方面，本發(fā)明還同時(shí)提供了一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)系統(tǒng)，所述系統(tǒng)包括:
[0019]信息熵模塊，用于對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊；
[0020]權(quán)重模塊，用于計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子；
[0021]復(fù)小波變換模塊，用于對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換；
[0022]評(píng)測(cè)模塊，用于分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。
[0023]優(yōu)選地，所述系統(tǒng)還包括:
[0024]驗(yàn)證模塊，用于采用曲線擬合方式對(duì)質(zhì)量評(píng)測(cè)結(jié)果進(jìn)行驗(yàn)證，以衡量評(píng)測(cè)的主客觀一致性。
[0025]優(yōu)選地，所述復(fù)小波變換模塊中:
[0026]所述復(fù)小波變換分解的層數(shù)為3層，濾波器為近似對(duì)稱的13，19-抽頭濾波器和Q-ShiftH, 14抽頭濾波器。
[0027]優(yōu)選地，所述信息熵模塊中進(jìn)一步包括:
[0028]熵計(jì)算模塊，用于根據(jù)像素的分布概率分別計(jì)算所有子塊的圖像信息熵。
[0029]優(yōu)選地，所述評(píng)測(cè)模塊中進(jìn)一步包括:
[0030]子塊評(píng)測(cè)模塊，用于根據(jù)所述幅度和相位信息計(jì)算子塊之間的質(zhì)量評(píng)測(cè)值；
[0031]綜合評(píng)測(cè)模塊，用于綜合所有圖像子塊的質(zhì)量評(píng)測(cè)值并結(jié)合視覺權(quán)重因子對(duì)整幅圖像進(jìn)行質(zhì)量評(píng)測(cè)。
[0032]本發(fā)明對(duì)基于結(jié)構(gòu)相似度的方法進(jìn)行了改進(jìn)，運(yùn)用信息熵選取了圖像中邊緣、紋理以及輪廓等信息豐富的區(qū)域作為特征信息提取的空間，并綜合利用了圖像的幅度和相位信息，實(shí)現(xiàn)了基于圖像主要特征的客觀評(píng)測(cè)，并提高了圖像質(zhì)量評(píng)測(cè)的效率?！緦＠綀D】

【附圖說明】
[0033]圖1為本發(fā)明的一個(gè)實(shí)施例中基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法的流程示意圖；
[0034]圖2為本發(fā)明的一個(gè)優(yōu)選實(shí)施例中的方法流程示意圖；
[0035]圖3為現(xiàn)有技術(shù)中基于結(jié)構(gòu)相似度的質(zhì)量評(píng)測(cè)的主客觀一致性仿真結(jié)果示意圖；
[0036]圖4為本發(fā)明的質(zhì)量評(píng)測(cè)的主客觀一致性仿真結(jié)果示意圖。
【具體實(shí)施方式】
[0037]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例為實(shí)施本發(fā)明的較佳實(shí)施方式，所述描述是以說明本發(fā)明的一般原則為目的，并非用以限定本發(fā)明的范圍。本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以權(quán)利要求所界定者為準(zhǔn)，基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0038]考慮到基于結(jié)構(gòu)相似度的評(píng)測(cè)方法在圖像質(zhì)量評(píng)測(cè)領(lǐng)域中具有代表性，本發(fā)明主要是針對(duì)基于結(jié)構(gòu)相似度的方法進(jìn)行的改進(jìn)。現(xiàn)有技術(shù)的方法的主要缺點(diǎn)為:僅僅考慮了圖像的空域結(jié)構(gòu)屬性之間的相關(guān)性，忽略了圖像自身的幾何特征和相位特征，導(dǎo)致該方法沒有較好地體現(xiàn)圖像質(zhì)量評(píng)測(cè)的主客觀一致性。因此，本發(fā)明根據(jù)信息熵能較好地反映圖像邊緣、輪廓等突變區(qū)域的特點(diǎn)，選取圖像中信息熵大的區(qū)域作為特征空間，運(yùn)用復(fù)小波變換技術(shù)提取圖像的幅度特征信息和相位特征信息，并基于圖像的邊緣、幅度以及相位等部分特征信息設(shè)計(jì)了一種半盲圖像質(zhì)量評(píng)測(cè)方法。參見圖1，在本發(fā)明的一個(gè)實(shí)施例中，基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法包括步驟:
[0039]對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊；
[0040]計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子；
[0041]對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換；
[0042]分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。
[0043]下面進(jìn)一步結(jié)合實(shí)例對(duì)本發(fā)明的優(yōu)選實(shí)施方式做進(jìn)一步的說明。
[0044]其中，進(jìn)一步參見圖2，對(duì)輸入的原始參考圖像I1和待測(cè)圖像I2進(jìn)行子塊劃分，子塊大小為16X16 ;分別計(jì)算所有子塊的圖像信息熵:
[0045]
【權(quán)利要求】
1.一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)方法，其特征在于，所述方法包括步驟: 對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊； 計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子; 對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換； 分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。
2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括步驟: 采用曲線擬合方式對(duì)質(zhì)量評(píng)測(cè)結(jié)果進(jìn)行驗(yàn)證，以衡量評(píng)測(cè)的主客觀一致性。
3.如權(quán)利要求1所述的方法，其特征在于，所述復(fù)小波變換分解的層數(shù)為3層，濾波器為近似對(duì)稱的13，19-抽頭濾波器和Q_Shiftl4，14抽頭濾波器。
4.如權(quán)利要求1所述的方法，其特征在于，所述方法中，根據(jù)像素的分布概率分別計(jì)算所有子塊的圖像信息熵。
5.如權(quán)利要求1所述的方法，其特征在于，所述方法中，所述半盲圖像質(zhì)量評(píng)測(cè)具體包括步驟: 首先根據(jù)所述幅度和相位信息計(jì)算子塊之間的質(zhì)量評(píng)測(cè)值； 隨后綜合所有圖像子塊的質(zhì)量評(píng)測(cè)值并結(jié)合視覺權(quán)重因子對(duì)整幅圖像進(jìn)行質(zhì)量評(píng)測(cè)。
6.一種基于熵的復(fù)小波域半盲圖像質(zhì)量評(píng)測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)包括: 信息熵模塊，用于對(duì)輸入的原始參考圖像和待測(cè)圖像進(jìn)行子塊劃分，分別計(jì)算所有子塊的圖像信息熵，選擇熵值大于所有子塊的平均熵值的子塊； 權(quán)重模塊，用于計(jì)算原始參考圖像和待測(cè)圖像的子塊的相位一致性值，并設(shè)置質(zhì)量評(píng)測(cè)的視覺權(quán)重因子； 復(fù)小波變換模塊，用于對(duì)從原始參考圖像和待測(cè)圖像中選擇的子塊分別實(shí)施復(fù)小波變換； 評(píng)測(cè)模塊，用于分別提取原始參考圖像和待測(cè)圖像的幅度和相位信息，結(jié)合視覺權(quán)重因子進(jìn)行半盲圖像質(zhì)量評(píng)測(cè)。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括: 驗(yàn)證模塊，用于采用曲線擬合方式對(duì)質(zhì)量評(píng)測(cè)結(jié)果進(jìn)行驗(yàn)證，以衡量評(píng)測(cè)的主客觀一致性。
8.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述復(fù)小波變換模塊中: 所述復(fù)小波變換分解的層數(shù)為3層，濾波器為近似對(duì)稱的13，19-抽頭濾波器和Q-ShiftH, 14抽頭濾波器。
9.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述信息熵模塊中進(jìn)一步包括: 熵計(jì)算模塊，用于根據(jù)像素的分布概率分別計(jì)算所有子塊的圖像信息熵。
10.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述評(píng)測(cè)模塊中進(jìn)一步包括: 子塊評(píng)測(cè)模塊，用于根據(jù)所述幅度和相位信息計(jì)算子塊之間的質(zhì)量評(píng)測(cè)值； 綜合評(píng)測(cè)模塊，用于綜合所有圖像子塊的質(zhì)量評(píng)測(cè)值并結(jié)合視覺權(quán)重因子對(duì)整幅圖像進(jìn)行質(zhì)量評(píng)測(cè)。
【文檔編號(hào)】H04N17/00GK103945217SQ201410157669
【公開日】2014年7月23日 申請(qǐng)日期:2014年4月17日 優(yōu)先權(quán)日:2014年4月17日
【發(fā)明者】劉金華 申請(qǐng)人:四川九洲電器集團(tuán)有限責(zé)任公司