基于非张量积小波滤波器的部分参考图像质量评价方法

摘要

本发明公开了一种基于非张量积小波滤波器的部分参考图像质量评价方法。现有图像的压缩、传输、处理与复制过程中，图像很容易发生失真。本发明方法具体实施包括如下步骤：（一）输入参考图像和失真图像；（二）建立非张量积小波滤波器，对参考图像和失真图像分别进行处理；（三）求出参考图像和失真图像的信息熵；（四）求出参考图像和失真图像的信息差异VD；（五）建立质量评价函数VQ，得出失真图像的质量分数。本发明利用非张量积小波滤波器提取视觉特征，并基于参考图像和失真图像的信息熵来建立图像质量评价函数，评价结果符合人类视觉主观认识。

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于信息论的、利用非张量积小波滤波器的部分参考型图像质量评价方法。

背景技术

随着互联网技术的发展，图像在人们的日常生活中扮演着原来越重要的角色。然而在图像的压缩、传输、处理与复制过程中，图像很容易发生失真，因此如何精确地评价图像质量已成为图像处理与压缩领域的研究热点。

客观图像质量评价方法主要分为：全参考图像质量评价（full-reference, FR），无参考图像质量评价(no-reference, NR) 和部分参考图像质量评价(reduced-reference, RR)。其中FR方法虽然较为精确，但并不是非常实用，因为该方法需要利用参考图像（即原始图像）来评价失真图像的质量分数，而在有些情况下参考图像并不容易得到；NR方法虽然不需要利用参考图像，但该方法通常只适用于某些特定的失真，因此并不具有普适性；而RR方法只需要利用参考图像的一部分特征信息，该方法在FR与NR方法之间取得了良好的平衡，适用性更广。

因此，很多学者提出了一些新的RR方法来评价图像质量。Wang et al.( Z. Wang, E. P. Simoncelli, Reduced-reference image quality assessment using a wavelet-domain natural image statistic model, in Proc. SPIE, Human Vision and Electronic Imaging, 5666 (1) (2005) 149-159.)提出了一种基于小波域统计特性的RR方法，该方法利用了GGD(General Gaussian Density)函数来模拟小波系数的边缘分布。该方法虽然取得了良好的效果，然而需要处理的数据量和计算量相对较高。Lin et al(L. Ma, S. N. Li, F. Zhang, and K. N. Ngan, “Reduced-reference image quality assessment using reorganized DCT-based image representation,” IEEE Trans. Multimedia., 13 (4) (2011) 824-829.)提出了一种新的RR方法，在该方法中，CBD（City Block Distance）被用于计算参考图像和失真图像的系数分布距离。Q. Li（Q. Li, and Z. Wang, Reduced-reference image quality assessment using divisive normalization-based image representation, IEEE J. Selected Topics in Signal Process., 3 (2) (2009) 202-211.）提出了一种基于DNT(divisive normalization transform)的部分参考图像质量评价方法，虽然该方法提高了预测精确度，但是仍然有着庞大的计算量。

发明内容

本发明方法的目的是针对现有图像质量评价方法的不足，提供一种基于信息论、利用非张量积小波滤波器的部分参考图像质量评价方法。

本发明方法具体实施步骤是： 

步骤(1).输入参考图像R和失真图像D。

步骤(2).建立一组非张量积小波滤波器(NPWFB ,non-tensor productwavelet filter banks)                                                ；

非张量积小波滤波器的建立步骤如下：

对任意给定正整数值，

其中：，

，T为矩阵转置，

D(z₁,z₂) 定义如下：

其中为任意实数，，。

 

步骤(3).取尺度为N，N为正整数，利用步骤（2）所建立的一组非张量积小波滤波器，在第尺度上，参考图像R和失真图像D经滤波器滤波后，得到参考图像R的视觉特征图和失真图像D的视觉特征图，其中，； 

3-1.参考图像R经分别滤波后，得到在尺度1上的视觉特征图。

3-2.对视觉特征图进行二维三次插值降采样；

其中，该二维三次插值降采样分别对水平方向和垂直方向上的4点进行插值，为该4点的偏移量；为二维三次插值滤波器；

3-3.将视觉特征图进行二维三次插值降采样后的图像再次经分别滤波，得到在尺度2上的视觉特征图；

3-4.将视觉特征图进行二维三次插值降采样，并将视觉特征图二维三次插值降采样后的图像再次经分别滤波，得到在尺度3上的视觉特征图；

3-5. 以此类推，可得到在尺度上的视觉特征图，将上述步骤中的参考图像R换为失真图像D，经过上述步骤，即可得到在尺度上失真图像D的视觉特征图。

步骤(4).在尺度上，计算参考图像R和失真图像D的视觉差异(visual difference).

对任意图像B，其图像的信息熵为：

其中通过建立直方图求得；

对任意图像，其图像的信息差异为：

因此，在尺度上，参考图像R和失真图像D的视觉差异计算如下：

步骤(5).建立图像质量评价函数VQ；

其中为尺度数，为缩放控制因子，满足：，VQ值越大，表示失真图像的质量越高。

本发明方法有益效果如下：

与现有的部分参考图像质量评价方法相比，本发明具有较低的RR数据量和计算复杂度，从而可以具有传输方便、实现便捷的特点，适用范围更加广泛；而且经实验验证，本发明取得了良好的效果。

附图说明

图1为本发明方法流程图；

图2为建立参考图像各尺度视觉特征图的过程。

具体实施方式

    下面结合附图对本发明方法作进一步说明。   

如图1所示为本发明方法流程，具体实施步骤如下：

步骤(1).输入参考图像R和失真图像D。

步骤(2).建立一组非张量积小波滤波器(NPWFB ,non-tensor productwavelet filter banks) ；

非张量积小波滤波器的建立步骤如下：

取=2，

其中：，

，T为矩阵转置，

D(z₁,z₂) 定义如下：

其中，

步骤(3).取尺度为N=3，利用步骤（2）所建立的一组非张量积小波滤波器，在第尺度上，参考图像R和失真图像D经滤波器滤波后，得到参考图像R的视觉特征图和失真图像D的视觉特征图，其中，；建立过程如图2所示；

3-1.如图2 所示，参考图像R经分别滤波后，得到在尺度1上的视觉特征图。

3-2.对视觉特征图进行二维三次插值降采样；

其中，该二维三次插值降采样分别对水平方向和垂直方向上的4点进行插值，为该4点的偏移量；为二维三次插值滤波器；

3-3.将视觉特征图进行二维三次插值降采样后的图像再次经分别滤波，得到在尺度2上的视觉特征图；

3-4.将视觉特征图进行二维三次插值降采样，并将视觉特征图二维三次插值降采样后的图像再次经分别滤波，得到在尺度3上的视觉特征图；

将上述步骤中的参考图像R换为失真图像D，经过上述步骤，即可得到在尺度上失真图像D的视觉特征图,;

步骤(4).在尺度上，计算参考图像R和失真图像D的视觉差异(visual difference).

对任意图像B，其图像的信息熵为：

其中通过建立直方图求得；

对任意图像，其图像的信息差异为：

因此，在尺度上，参考图像R和失真图像D的视觉差异计算如下：

步骤(5).建立图像质量评价函数VQ；

    其中，为缩放控制因子（scaling control factor），取0.01 ，。