基于视觉感知的图像增强质量客观评价算法

行频率 Fh ( x , y) 定义为 :
Fh ( x , y) =
22
∑∑
1 20
i=- 2
[ I( x
j= - 1
+
i,y
+
j)
-
I ( x + i , y - 1 + j) ]2
(4)
列频率 Fv ( x , y) 定义为 :
Fv ( x , y) =
3 收稿日期 :2007205208 修订日期 :2007208223 3 基金项目 :国家自然科学基金资助项目(10704043) ;南开大学科技创新基金资助项目 3 3 E2mail :wangxianghui @mail. nankai. edu. cn
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
区域的划分是依据canny边缘检测的结果位臵为中心采用式分别计算出该像素周围的背景平均亮度和局部空间频率fs在局部平均亮度和空间频率基础上利用式分别计算出亮度阈值和频率掩盖阈值从而导出局部区可判断该位臵存在一有效的感知跃变对增强图像所有像素位臵的跃变情况进行分析得到二值化表示的有效感知跃变分布图采用canny边缘检测算法将待分析的图像分为细节区和平滑区统计细节区内有效感知跃变数并与细节区总的像素点数相除得到该区域有效感知跃变百分数作为细节区增强效果的评判指标类似的方法计算出平滑区有效感知跃变百分数单纯考虑信息变化的绝对偏差很难获得满意的评价结果如能充分利用人眼视觉的感知特点并将其融入到评价算法为了更全面测试本文算法的性能下面将采用本文算法综合分析不同增强算法对细节的增强能力和对噪声的抑制能力globalhisto2gramequalizationadaptivehistogramequalization和文献11提出的增强算法光片原图像见图和平滑区有效感知跃变百分数p
A new metric for objectively assessing the quality of enhanced images based on human visual perception
WAN G Xiang2hui1 3 3 , ZEN G Ming2
(1. Institute of Modern Optics ,Nankai University , Key Laboratory of Opto2electronic Information Science and Tech2 nology ,MOE ,Tianjin 300071 ,China ;2. School of Electrical Engineering and Automation ,Tianjin University ,Tianjin 300072 ,China)
2. 1 亮度阈值效应
虽然我们常用的显示器的灰度分辨率可达 256 级 ,但人眼 的分辨能力无法区分相邻的灰度级差别 ,只有当单个像素的灰 度级与其局部背景平均亮度的偏差超过某一阈值(通常阈值 ≥ 4) 时 ,才能被人眼所感知 , 该现象称为视觉的亮度阈值效 应[7～11] 。实验测定的人眼视觉在不同亮度背景条件下的感知 特性曲线如图 1 所示(参见文献[11]) 。 由图 1 可见 ,当场景中的背景很暗或很亮时 ,人眼在对亮 度偏差的辨别敏感度低 ,而在中等亮度背景下对信息的辨别力 较强 ,其中敏感度最高的是在灰度级约为 127 的背景区域。亮 度阈值曲线的近似表达式为 :
Abstract :A novel objective quality evaluation algorithm for enhanced images is presented. The proposed algorithm compre2 hensively considers the effects of local area average brightness of the background and space complexity on visual resolution. In order to judge whether the variance of gray is effectively percepted or not ,the just noticeable difference(JND) is derived. The changes in the number of perceptible pixels between the original image and the enhanced image can be calculated by use of J ND parameter. Thus quantitative results to assess the quality of enhanced images are obtained. The experimental results demonstrate that the proposed algorithm has better performance than the conventional average local variances method (ALV) ,and assessment results are consistent with those of the subjective perceptual method. Key words :image quality evaluation ; image enhancement ; human visual perception ; J ust Noticeable Difference
光 电 子 ·激 光
第 19 卷 第 2 期 2008 年 2 月 Journal of Optoelectronics ·Laser Vol. 19 No. 2 Feb. 2008
基于视觉感知的图像增强质量客观评价算法3 3
王湘晖1 3 3 , 曾 明2
(1. 南开大学现代光学研究所 ,光电信息技术科学教育部重点实验室 ,天津 300071 ;2. 天津大学电气与自动化工 程学院 ,天津 300072)
图 1 不同亮度背景条件下的视觉阈值曲线 Fig. 1 Visibility thresholds versus background luminance
2 人眼的视觉感知特性
在前言中提到 ,图像增强质量的好坏主要靠人的视觉来进 行评定 ,而视觉的评定结果完全是依据其自身的分辨能力做出 判断。因此 ,如能对人眼视觉系统 ( Human Visual System , HVS) 的分辨能力进行建模 ,可为图像增强量化评估算法的设 计提供依据。对于灰度图像而言 ,信息的刻画是通过灰度级的 跃变产生的 ,所谓跃变是指单个像素的灰度级与邻近区域的平 均灰度强度之间的级差 ,因此可通过测量对跃变信息的感知情 况 ,评价或分析增强算法的性能。视觉研究发现 ,人眼对跃变 信息的感知能力随局部背景的平均亮度和空间复杂度的变化 而变化 ,即人眼视觉感知具有亮度阈值效应和空间频率掩盖 效应。
1 引 言
利用图像增强技术不仅可以改善图像的视觉效果 ,同时可 以使处理后的图像更加有利于图像分割、特征提取和目标识别 等后续的图像分析工作 ,因此 ,图像增强技术的研究受到了各 国学者的广泛关注。近年来 ,关于图像增强算法的研究报道很 多[1 ,2] ,各种算法也都有其各自的特点和优势 ,在实际应用过程 中就需要对各种图像增强算法进行评价和分析。此外 ,由于图 像内容的多样性 ,很多算法为了获得更佳的性能 ,设置了一些 可供调节的参数 ,如没有通用的图像增强效果评价指标 ,这些 参数的调节大多只能依靠操作人员凭借经验累试完成 ,使得增 强算法普遍存在鲁棒性和推广性较差的问题。因此 ,设计性能 可靠的图像增强质量评价算法显得尤为重要 ,它不仅可用于评 价各种的图像增强算法的性能 ,还可以为各种增强算法的最
需要说明的是 ,上述亮度阈值是假定背景亮度一致的条件 下测定的 ,当背景亮度不均匀时还需要考虑影响人眼视觉灵敏 度的另一个重要因素 ———图像的局部空间频率。
2. 2 空间频率掩盖效应
空间频率是指图像区域内灰度空间变化率。实验证实人
眼对信息的可见度随图像区域中局部空间频率的增加而单调
下降。这表明视觉系统在边缘或结构化区域 (如纹理) 具有比
J l ( x , y) =
21 1 -
I ( x , y) + 4 if I ( x , y) ≤127
127
(1)
3 128
(
I
(
x
,
y)
-
128)
+ 4 otherwise
式中 I 是以像素点( x , y) 为中心的局部背景区域的平均亮度
值 ,其定义如下 :
55
∑∑ I ( x , y) = 1
f ( x - 3 + i , y - 3 + j) ·B ( i , j)
32 =1 j =1
(2)
其中 B (i , j) 为加权的低通滤波器 ,如图 2 所示 :
图 2 用于计算背景平均亮度的卷积核 Fig. 2 The operator for calculating the average background luminance
第 2 期 王湘晖等 :基于视觉感知的图像增强质量客观评价算法
果往往不一致。 虽然国内外已有一些文献提出了基于人眼视觉特性的图 像质量客观评估方法[7～10] ,但是这些算法主要是针对压缩图像 质量进行评价 ,无法直接用于对增强图像进行质量评价。其根 本的原因在于 :压缩图像质量评价是在已知最佳参考图像 (非 压缩图像) 基础上对降质图像 (压缩图像) 进行评估 ,即 Full2 reference 方法[9] ,而图像增强质量评价是在未知最佳参考图像 条件下对增强图像进行评价 ,即 No2reference 方法[9] 。另外 ,这 些文献所采用的视觉特性模型还存在与实验测试结果不吻合、 参数设置不合理及过于复杂等问题。 本文算法针对增强图像进行质量评价 ,首先对人眼视觉感 知能力进行了实验测试 ,并依据测试结果对视觉系统的两个重 要特性 ,即亮度阈值效应和空间频率掩盖效应 ,分别进行了建 模 ,进而导出关于视觉辨别力的重要参数 ———临界可见偏差 (J ust Noticeable Difference ,J ND) ,并利用此参数分别计算出图 像增强前后细节区和平滑区(背景区) 有效感知像素数的变化 情况 ,从而定量地给出与主观评价一致的评价结果。
摘要 :提出了一种新的图像增强质量客观评价算法。算法综合考虑图像局部区域的背景平均亮度和空间复杂 度对视觉分辨力的影响 ,导出了用于判断局部灰度级跃变是否被有效感知的重要参数 ———临界可见偏差 JND (J ust Noticeable Difference) ,并利用此参数分别计算出图像增强前后有效感知像素数的变化情况 ,从而定量地 给出图像增强质量的评价结果。测试结果表明 ,本文算法的性能优于传统的平均局部方差法 ,且评价结果与主 观评价结果吻合。 关键词 :图像质量评估 ; 图像增强 ; 视觉感知 ; 临界可见偏差 中图分类号 : TP391 文献标识码 :A 文章编号 :100520086 (2008) 0220258205
优参数自动设定提供量化的依据 ,以提升增强算法的自适应 能力。 目前常用的评价方法有两种 :视觉主观评价方法[3 ,4] ,如平 均主观分数法(MOS ,mean opinion score) ;客观评价方法[5 ,6] ,如 平均局部方差法 (ALV ,average local variances) 。主观评价方 法是多个观察者依据一些事先规定的评价尺度或自身的经验 , 对增强图像给出质量分数 ,然后对所有观察者给出的分数进行 加权平均 ,得到增强图像的主观评判结果 ,这种评价方法虽然 能较好地反映图像的增强质量 ,但该方法步骤复杂且耗时长 , 且无法应用于增强算法的最优参数自动设定。ALV 算法是通 过测算图像的平均局部方差来分析图像的增强效果 ,平均局部 方差大表明图像的增强效果好 ,该方法具有实现简便、效率高 等优 点 , 但 ALV 方 法 仅 考 虑 了 信 息 变 化 的 绝 对 偏 差 , 并未考虑人眼视觉的感知特点 ,使得其测试结果与主观评价结
平滑区域小的信息敏感度 ,该性质称为视觉空间频率掩盖效 应[7～11] 。对于给定以( x , y) 为中心的 5 ×5 的图像块 ,其空间频 率 Fs ( x , y) 定义为 :
Fs ( x , y) = Fh ( x , y) 2 + Fv ( x , y) 2
(3)
式中 Fh ( x , y) 是行频率 , Fv ( x , y) 为列频率。