基于Contourlet变换的多尺度图像质量评价

摘要

针对传统的图像评价方法,如峰值信噪比(PSNR),均方误差(MSE)等基于像素灰度的统计与主观评价的一致性较差的问题,结合人类视觉系统的视觉特性,提出了一种基于Contourlet变换的多尺度图像质量评价方法.通过将参考图像与失真图像变换到YUV彩色空间,并使用其亮度分量,在Contourlet 域进行多尺度多方向分解获取不同尺度的图像特征,同时结合视觉感知JND,将人眼无法区分的特征合并,对合并后的对应子带特征计算区域互信息(RMI)得到对应子带特征的相似性并使用对比敏感函数(CSF)对不同子带相似性加权,得到图像的最终评价指标.对LIVE库中包括5 种失真类型的982 幅图像验证该算法,得到K-score为0.9401,SROCC 值为0.9603,CC为0.9696,RMSE 为5.6584,MAE为4.0428,实验结果表明,该评价方法能很好的对各种失真类型的图像进行评价,比PSNR、SSIM等算法的主客观一致性更好,更加符合人眼的视觉特性.