一种简单高效的图像质量评估方法及系统

摘要

一种简单高效的图像质量评估方法及系统，方法包括如下步骤：步骤S1：将参考图像和待评估图像的RGB颜色空间变换为YUV颜色空间，分别为和；步骤S2：分别提取所述和所述在亮度空间Y上的第一特征和第二特征；步骤S3：分别提取所述和所述在色度空间U上的第三特征和第四特征，接着分别提取所述和所述在色度空间V上的第五特征和第六特征；步骤S4：通过所述步骤S3中得到的第三特征和第四特征、第五特征和第六特征进行差异计算，得到相似指标；步骤S5：通过所述步骤S2中得到的第一特征和第二特征进行差异计算，以及根据所述步骤S4中得到的相似指标，得到所述参考图像和待评估图像最终的相似度。本发明算法复杂度低，资源消耗较少，具有很高的实用价值。

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种简单高效的图像质量评估方法及系统。

背景技术

近些年来，随着信息时代的快速发展，人们每天接受的各种图像与视频信息产生了爆炸性的增长。数字图像在人们的生产和生活中都起到了很多作用，但它们在采集、压缩和传输过程中，由于处理方法不完善、传输介质损耗以及噪声污染等各种各样的原因，会不可避免地带来失真，从而导致图像质量的下降。因此如何准确且快速对图像进行质量评估已经成为图像采集、传输、压缩、恢复和增强等众多领域中的一个重要问题。

根据获取参考信息的多少可将质量评价方法分为全参考质量评价、无参考质量评价和弱参考质量评价3种。其中，全参考图像质量评估算法使用了原始图像作为失真图像的参照图像；半参考图像质量评估算法中仅使用了部分参照图像的信息；无参考图像质量评估算法没有使用任何的参照图像中的信息作为先验数据。

目前最常用的方法是全参考图像质量评估算法。传统的全参考客观图像质量评估算法有均方误差和峰值信噪比，由于其简单的计算方法和清晰的物理意义一直被广泛使用，但这些算法只是从统计意义上对图像进行分析，没有考虑到像素之间的相关性。后续学者们从图像的结构相似度出发提出了 SSIM(结构相似性)算法，该算法从亮度特性、对比度特性、结构相似度特性三个方面对图像的质量进行评估，相较于以前的评估方法，取得了质的突破，是图像质量评估算法中里程碑式的代表算法。该方法发表后，研究人员在其基础上进行了许多改进，都取得了不错的效果。但是这类算法大都包含各种复杂的计算过程，比较耗时，不利于实际应用。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

本发明的目的在于提供一种能够准确的对图像的质量进行评估，且算法复杂度低，资源消耗较少，可以满足实时处理的需求，具有很高的实用价值的简单高效的图像质量评估方法及系统。

本发明提供一种简单高效的图像质量评估方法，包括如下步骤：步骤S1：将参考图像和待评估图像的RGB颜色空间变换为YUV颜色空间，分别为 YUV_A(x,y)和YUV_B(x,y)；步骤S2：分别提取所述YUV_A(x,y)和所述 YUV_B(x,y)在亮度空间Y上的第一特征和第二特征；步骤S3：分别提取所述 YUV_A(x,y)和所述YUV_B(x,y)在色度空间U上的第三特征和第四特征，接着分别提取所述YUV_A(x,y)和所述YUV_B(x,y)在色度空间V上的第五特征和第六特征；步骤S4：通过所述步骤S3中得到的第三特征和第四特征、第五特征和第六特征进行差异计算，得到相似指标；步骤S5：通过所述步骤S2中得到的第一特征和第二特征进行差异计算，以及根据所述步骤S4中得到的相似指标，得到所述参考图像和待评估图像最终的相似度。

进一步地，所述YUV_A(x,y)在亮度空间Y上记为Y_A(x,y)；所述步骤S2 包括：步骤S21：提取所述Y_A(x,y)的LBP特征，具体公式如下：

进一步地，所述YUV_B(x,y)在亮度空间Y上记为Y_B(x,y)；所述第二特征的计算方式与所述步骤S21、步骤S22、步骤S23、步骤S24的方法一致，所述第二特征为:{F_Y_B

进一步地，所述YUV_A(x,y)在色度空间U上记为U_A(x,y)；所述步骤S3 包括：步骤S31：将所述U_A(x,y)进行分块处理，具体分成预设大小的第二子块图像，所述第二子块图像记为{U_A

进一步地，所述YUV_B(x,y)在色度空间U上记为U_B(x,y)，所述 YUV_A(x,y)在色度空间V上记为V_A(x,y)，所述YUV_B(x,y)在色度空间V上记为V_B(x,y)；所述第四特征、所述第五特征和所述第六特征的计算方式与所述步骤S31、步骤S32的方法一致，所述第四特征、所述第五特征和所述第六特征分别为:{F_U_B

进一步地，所述步骤S4具体包括：所述相似指标为{β

进一步地，所述步骤S5包括：步骤S51：计算所述第一特征和第二特征的差异，具体公式如下：t

本发明还提供一种简单高效的图像质量评估系统，包括变换模块、提取模块与计算模块，所述变换模块用于将参考图像和待评估图像的RGB颜色空间变换为YUV颜色空间，分别为YUV_A(x，y)和YUV_B(x，y)；所述提取模块用于分别提取所述YUV_A(x，y)和所述YUV_B(x，y)在亮度空间Y上的第一特征和第二特征，分别提取所述YUV_A(x，y)和所述YUV_B(x，y)在色度空间U上的第三特征和第四特征，接着分别提取所述YUV_A(x，y)和所述YUV_B(x，y)色度空间V上的第五特征和第六特征；所述计算模块用于通过所述第三特征和第四特征、第五特征和第六特征进行差异计算，得到相似指标，通过所述第一特征和第二特征进行差异计算，以及根据所述相似指标，得到所述参考图像和待评估图像最终的相似度。

进一步地，所述YUV_A(x,y)在亮度空间Y上记为Y_A(x,y)，所述第一特征的获取方式为：提取所述Y_A(x,y)的LBP特征，具体公式如下：

{F_U_B

本发明提供的简单高效的图像质量评估方法及系统通过得到参考图像和待评估图像最终的相似度，从而能够准确的对图像的质量进行评估，且算法复杂度低，资源消耗较少，可以满足实时处理的需求，具有很高的实用价值。

附图说明

图1为本发明实施例的简单高效的图像质量评估方法的第一流程示意图。

图2为图1所示简单高效的图像质量评估方法的第二流程示意图。

图3为图1所示简单高效的图像质量评估方法中提取第一特征的具体流程示意图。

图4为图1所示简单高效的图像质量评估方法中提取第三特征的具体流程示意图。

图5为图1所示简单高效的图像质量评估方法中参考图像和待评估图像最终相似度的具体流程示意图。

图6为本发明实施例的简单高效的图像质量评估系统的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1至图5所示，本实施例中，提供一种简单高效的图像质量评估方法，包括如下步骤：

步骤S1：将参考图像和待评估图像的RGB(光学三原色，R代表红色、 G代表绿色、B代表蓝色)颜色空间变换为YUV(亮度和色差信号)颜色空间，分别为YUV_A(x,y)和YUV_B(x,y)。

本实施例中，设参考图像为RGB_A(x,y)，待评估图像为RGB_B(x,y)，均为彩色RGB图像。具体地，将RGB_A(x,y)和RGB_B(x,y)变换为YUV_A(x,y)和 YUV_B(x,y)。因为在YUV颜色空间，亮度空间Y和两个色度空间U、V是完全分离的，所以这种颜色表示方法更符合人眼的视觉特性。

步骤S2：分别提取YUV_A(x,y)和YUV_B(x,y)在亮度空间Y上的第一特征和第二特征。

本实施例中，YUV_A(x,y)在亮度空间Y上记为Y_A(x,y)，YUV_B(x,y)在亮度空间Y上记为Y_B(x,y)。

首先，提取YUV_A(x,y)在亮度空间Y上的第一特征，如图3所示的简单高效的图像质量评估方法中提取第一特征的具体流程示意图。在具体应用实例中，本发明的上述步骤S2的详细流程包括：

步骤S21：提取Y_A(x,y)的LBP(局部二值模式)特征，记为 LBP_Y_A(x,y)。具体公式如下：

步骤S22：利用sobel(索贝尔)算子提取上述步骤S21中得到的 LBP_Y_A(x,y)的梯度信息。LBP_Y_A(x,y)的梯度信息包括水平方向梯度信息和垂直方向梯度信息。具体公式如下：

步骤S23：将上述步骤S22中的得到的G_Y_A(x,y)进行分块处理，具体分成预设大小的第一子块图像，第一子块图像记为{G_Y_A

本实施例中，具体地，预设大小为20×20mm。在其他实施例中，还可分成预设大小为30×30mm或50×50mm等等其他数值的第一子块图像。

步骤S24：计算每个第一子块图像的均值和方差，将其作为特征保存起来，使得每个第一子块图像得到一个二维的向量，最终得到第一特征为： {F_Y_A

紧接着，提取YUV_B(x,y)在亮度空间Y上的第二特征。第二特征的计算方式与上述步骤S21、步骤S22、步骤S23、步骤S24的方法一致，在此不再详细阐述。第二特征为:{F_Y_B

步骤S3：分别提取YUV_A(x,y)和YUV_B(x,y)在色度空间U上的第三特征和第四特征，接着分别提取YUV_A(x,y)和YUV_B(x,y)色度空间V上的第五特征和第六特征。

本实施例中，YUV_A(x,y)在色度空间U上记为U_A(x,y)，YUV_B(x,y)在色度空间U上记为U_B(x,y)，YUV_A(x,y)在色度空间V上记为V_A(x,y)， YUV_B(x,y)在色度空间V上记为V_B(x,y)。

首先，提取YUV_A(x,y)在色度空间U上的第三特征，如图4所示的简单高效的图像质量评估方法中提取第三特征的具体流程示意图。在具体应用实例中，本发明的上述步骤S3的详细流程包括：

步骤S31：将U_A(x,y)进行分块处理，具体分成预设大小的第二子块图像，第二子块图像记为{U_A

本实施例中，具体地，预设大小为20×20mm。在其他实施例中，还可分成预设大小为30×30mm或50×50mm等等其他数值的第二子块图像。

步骤S32：将U_A(x,y)分成十六等分，分别统计每个第二子块图像的颜色直方图，每个第二子块图像得到一个十六维的向量，最终得到第三特征为： {F_U_A

紧接着，提取YUV_B(x,y)在色度空间U上的第四特征，以及提取YUV_A(x,y)和YUV_B(x,y)色度空间V上的第五特征和第六特征。第四特征、第五特征和第六特征的计算方式与上述步骤S31、步骤S32的方法一致，在此不再详细阐述。第四特征、第五特征和第六特征分别为：

{F_U_B

步骤S4：通过上述步骤S3中得到的第三特征和第四特征、第五特征和第六特征进行差异计算，得到相似指标。

具体地，根据色度空间分类的特征，给U_A(x，y)、U_B(x，y)、V_A(x，y)、 V_B(x，y)分成的每一个子块图像计算一个相似指标。相似指标为 {β

步骤S5：通过上述步骤S2中得到的第一特征和第二特征进行差异计算，以及根据上述步骤S4中得到的相似指标，得到参考图像和待评估图像最终的相似度。

如图1至图2所示，本实施例中，通过参考图像和待评估图像最终的相似度，对图像质量进行评估，具有简单性、耗费时间短、利于实际应用的效果。如图5所示，在具体应用实例中，本发明的上述步骤S5的详细流程包括：

步骤S51：计算第一特征和第二特征的差异，具体公式如下： t

步骤S52：计算参考图像和待评估图像的每个子块图像的相似度，具体公式如下：

步骤S53：统计参考图像和待评估图像最终的相似度，具体公式如下：

本实施例通过计算参考图像和待评估图像的相似度，能够准确的对图像的质量进行评估，且算法复杂度低，资源消耗较少，可以满足实时处理的需求，具有很高的实用价值。

如图6所示，本发明还提供一种简单高效的图像质量评估系统，包括变换模块60、提取模块61与计算模块62。

变换模块60用于将参考图像和待评估图像的RGB颜色空间变换为YUV 颜色空间，分别为YUV_A(x,y)和YUV_B(x,y)。

提取模块61用于分别提取YUV_A(x,y)和YUV_B(x,y)在亮度空间Y上的第一特征和第二特征，分别提取YUV_A(x,y)和YUV_B(x,y)在色度空间U上的第三特征和第四特征，接着分别提取YUV_A(x,y)和YUV_B(x,y)色度空间V上的第五特征和第六特征。

YUV_A(x,y)在亮度空间Y上记为Y_A(x,y)，第一特征的获取方式为：

提取Y_A(x,y)的LBP特征，具体公式如下：

本实施例中，预设大小为20×20mm。在其他实施例中，还可分成预设大小为30×30mm或50×50mm等等其他数值。

YUV_B(x,y)在亮度空间Y上记为Y_B(x,y)，第二特征的获取方式为：

与第一特征的获取方式一致，第二特征为:{F_Y_B

YUV_A(x,y)在色度空间U上记为U_A(x,y)，第三特征的获取方式为：

将U_A(x,y)进行分块处理，具体分成预设大小的第二子块图像，第二子块图像记为{U_A

本实施例中，预设大小为20×20mm。在其他实施例中，还可分成预设大小为30×30mm或50×50mm等等其他数值。

YUV_B(x,y)在色度空间U上记为U_B(x,y)，YUV_A(x,y)在色度空间V上记为V_A(x,y)，YUV_B(x,y)在色度空间V上记为V_B(x,y)，第四特征、第五特征和第六特征的获取方式为：

均与第三特征的获取方式一致，第四特征、第五特征和第六特征分别为:{F_U_B

计算模块62用于通过第三特征和第四特征、第五特征和第六特征进行差异计算，得到相似指标，通过第一特征和第二特征进行差异计算，以及根据相似指标，得到参考图像和待评估图像最终的相似度。

本实施例中，相似指标为{β

参考图像和待评估图像最终的相似度获取方式为：计算第一特征和第二特征的差异，具体公式如下：t

在本文中，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”、“竖直”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了表达技术方案的清楚及描述方便，因此不能理解为对本发明的限制。

在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。