一种失真模糊图像的质量评价方法

一种失真模糊图像的质量评价方法
王德心;张玉叶;李开端
【摘要】目前的图像质量评价方法很难有效地评价失真模糊图像,其评价结果往往不符合人眼主观评价.为了寻求评价准确的方法,设计一种改进的结构相似度评价方法.考虑到小波分解能够模拟对比敏感度特性,利用不同空间频带的小波系数进行CSF特性加权,分别对待测试图像和参考图像提取出人眼感兴趣的中高频信息,然后进行结构相似度对比,以克服SSIM方法不能对失真图像有效评价的缺陷.经实验验证,该方法的评价结果比传统方法更符合主观评价.
【期刊名称】《科学技术与工程》
【年(卷),期】2010(010)023
【总页数】4页(P5759-5762)
【关键词】图像质量评价;人眼视觉系统;对比敏感度;结构相似度
【作者】王德心;张玉叶;李开端
【作者单位】海军航空工程学院青岛分院,青岛,266041;海军航空工程学院青岛分院,青岛,266041;海军航空工程学院青岛分院,青岛,266041
【正文语种】中文
【中图分类】TN911.73
模糊图像主要指噪声模糊和失真模糊。

为了评判图像的模糊程度,需要寻找符合人眼视觉感受的客观图像质量评价方法。

目前,模拟人眼视觉系统特性的评价成为研
究热点,其中,基于结构相似度(SSIM)[1]的方法考虑了一个像素与其周围像素之间的相关性,从而评价性能优于 MSE/PSNR方法。

但该方法对于交叉失真或失真严重的降质图像的评价效果不稳定。

为使失真图像的质量评价符合 HVS特性,本方法考虑改进 SSIM方法,分别提取失真图像与参考图像(原始无模糊图像)的中高频信息进行结构相似度比较。

1 SSIM方法分析
Wang Zhou和 Bovik等人[2,3]认为人眼视觉的主要功能是提取背景中的结构信息,而不是图像像素点间的误差,因此对图像的结构失真的度量应是图像感知质量的最好近似。

在此基础上给出了一种符合人眼视觉系统特性的图像质量客观评价标准——结构相似度(SSIM,Structure Similarity),其表达式如式(1)。

SSIM(X,Y)=l(X,Y)c(X,Y)s(X,Y)=
式(1)中,表示亮度比较函数;
其中 ,分别表示图像 X、Y的均值、方差、协方差。

C1、C2、C3=C2/2为小的常量 ,以避免式(1)中分母为零而出现的不稳定。

在评价图像质量时,用一定大小的窗口沿图像(参考图像、待测图像)逐像素地从左上角到右下角移动,每次计算窗口对应子图像的 SSIM值。

对所有 M个子图像的SSIM值求平均,可得到整幅图像的质量值,即平均结构相似度 MSSIM:
SSIM模型是一种比对应像素点间绝对误差更好的、在局部上考虑了像素间相关性的误差度量方式。

但是该方法还是有一定的缺陷,特别是在应用于失真图像质量评判的情况下。

因为 SSIM中的结构相似性比较函数 s(X,Y),实质上求取的仅仅是原图像子块和降质图像子块之间像素值的相关系数,不能很好地反映图像的边缘和纹
理结构信息。

而模糊失真图像是原图像的边缘纹理信息变形、移位甚至丢失而造成的,由于 SSIM模型不能很好地衡量出原图像和降质图像之间边缘结构信息的差异,
所以表现出较差的客观评判结果。

为了解决该问题,我们引入 HVS中的对比敏感度特性,用来对二维小波分解子带图
像加权,这样不仅反映图像边缘结构信息,并且反映像素间的相对位置信息,以得到与人眼的视觉模型一致的评价,更好地评判模糊图像的失真程度。

2 提取感兴趣区
人眼视觉系统的一个基本特性是局部对比的敏感性,视觉只对视场中(亮度或纹理)发生显著变化的区域感兴趣。

受这个因素的影响,人眼观察一幅图像时,存在“视觉感
兴趣区”,即只会对其中显著变化的区域发生兴趣仔细观看,而对那些亮度均匀的平
滑区域或空间频率相近的纹理区则忽略掉。

该特性基本可以由对比敏感度函数(CSF)表示。

常用的 CSF表达式为:
式(3)中,空间频率(周期 /度 ),fx,fy分别为水平、垂直方向的空间频率。

令 fx,fy其
中之一等于 0,即能得到垂直或水平方向的 CSF特性曲线。

对角线方向的曲线则可
由 f=2fx=2fy得到。

对初级视皮层细胞感受器实验测试显示[4],HVS由相邻的多个并列视觉通道构成。

这些通道的空间频率带宽约为一个倍频程,它们具有线性或正交相位、位移不变性、一致的频率响应和多尺度性,对水平(0°)和竖直(90°)方向的刺激最敏感,而向对角方向敏感性逐渐减弱,在45°或135°方向处最不敏感,这一结构特征恰好与多分辨滤波器组或小波分解相匹配,使用一组可调的塔式多分辨滤波器建模,可对此进行有效的
模拟,而如用小波变换实现,在实际应用中可取得较高的计算效率。

综上分析可得,利用的非线性带通特性,对小波分解后不同空间频带的小波系数进行CSF特性加权,加权值为在相应频带内 CSF曲线的平均值,即可有效提取“人眼感兴
趣区”。

为了在计算复杂度及评价有效性之间取得折中,只对参考图像和被测图像进行 2级小波分解。

由于图像的绝大多数能量集中在低频部分,并且最低频部分还包含图像的直流分量,所以此处设置小波变换最低频子带的权重为 1,其他子带的权重可根据与其的比值确定各自的权重。

对于 2级小波分解,整个频带划分为 5个,根据特性曲线对应取 5个加权值。

图 1为水平或垂直方向带有加权值的特性曲线,图2为对角线方向带有加权值的特性曲线,图 3为加权值及其相应的小波空间频带。

图 1 水平或垂直方向带有加权值的特性曲线
图 2 对角线方向带有加权值的特性曲线
图 3 小波频带及其相应的加权值
3 改进的结构相似度评价方法
基于上述分析,提出了改进的 SSIM评价方法。

该方法的实现过程如图 4所示。

图 4 W-SSIM质量评价过程
步骤如下:
Step1:对被测图像 G和参考图像 F进行二级小波分解,分别得到了 7个子带图像Gn、Fn,其中(n=1,2,…,7)。

Step2:利用下式(4)计算被测图像和参考图像在每个加权频带的相似度 Snwavelet,用其代替 SSIM公式(1)中的结构相似性指标 s(X,Y)。

式(4)中,fn和 gn分别定义为 Gn,Fn中的各图像子块。

Step3:根据上节给出的小波 7个频带的相应加权值 wn,将由式(4)所得的 7个频带的 Snwavelet加权合并。

Step4:将式(5)代入 SSIM公式(1)求得 WSSIM(F,G),再利用式(2)求得 W-MSSIM(F,G)。

4 试验分析
为验证本文提出的评价方法对于失真模糊图像的有效性,使用不同失真类型及不同失真程度的图像作为测试图像。

将清晰图像分别进行运动模糊、散焦模糊、高斯噪声等处理,并将模糊程度分为5级,这样每幅图像得到 15幅失真图像,加原始 3幅图,共 48幅测试图像。

然后用 PSNR、文献[5]的HVSNR、文献[6]的 ESSIM、W-MSSIM四个的评价方法对测试图像进行评价。

试验 1 对同类型模糊的图像质量评价对比
因为测试图像设置的模糊程度层次明显,所以同类型模糊主观评价(MOS:Mean Opinion Score)结果容易得到。

三种模糊图像的客观评价值分为 6级,MOS值取(0,1,…,5),按照质量下降排列。

部分试验结果(运动模糊的 cameraman图像)如表 1所示。

表 1 同类型模糊图像的质量评价对比主观评价 0 1 2 3 4 5 PSNR 极大值85.24 65.51 40.75 22.98 17.35 HVSNR 极大值 70.45 53.47 23.57 15.08 9.48 ESSIM 0.254 0.185 0.102 0.083 0.045 0.015 W-MSSIM 0.289 0.205 0.184 0.136 0.083 0.024
试验 1的结果证明,对同一类型的模糊图像,四种典型方法都能正确判断模糊程度的高低。

试验 2对不同类型模糊的图像质量评价对比。

48幅测试图像中对同类型同程度的失真模糊图像设为相同的客观评价值,则包括原始图像在内的每三幅图像评价相同,则主观评价值取 16级,按照质量下降排列。

48幅图像经过四种方法评价,并按纵坐标比例缩放,得到散点图如 5所示。

图 5中,因为原始三幅图像作为参考图像,所以PSNR和 HVSNR两种方法对前三个样本图像(0-2)无评价值。

由图所示,PSNR的评价结果比较偏离主观评价结果,而改进的 HVSNR、EMSSIM、WMSSIM方法与主观评价曲线呈现出相对理想的线性
关系,与 HVSNR和 ESSIM相比,W-MSSIM与主观评价更接近,这说明用本文的评价方法性能比较优越。

图5 四种客观评价与主观评价值的比较
5 结论
分析了目前图像质量评价方法对失真图像评价的缺陷,针对失真图像质量评价的特殊性,提出了基于改进的 SSIM评价方法,该方法考通过小波变换及利用 CSF特性曲线值加权提取出人眼感兴趣的中高频信息进行对比,克服了 SSIM方法对失真图像不能有效评价的缺陷。

与目前先进的 HVSNR和 ESSIM方法的实验比较证明,该方法能够更有效地对失真模糊图像进行客观评价。

参考文献
【相关文献】
1 叶盛楠,苏开娜,肖创柏,等.基于结构信息提取的图像质量评价.电子学报,2008;36(5):856—861
2 Wang Z,Boivk A C.A universal image quality index.IEEE Signal Processing
Letters,2002;9(3):81—84
3 Wang Z,Bovik a C,Sheikhh R,et al.Image quality assessment:from errormeasurement to structural similarity.IEEE Trans on Image Processing,2004;13(4):600—612
4 曹圣群,黄普明,鞠德航.HVS模型及其在静止图像压缩质量评价中的应用.中国图象图形学
报,2003;8(4):379—386
5 马文波,赵保军,任宏亮,等.基于小波频带划分及 CSF特性的图像质量评价方法.激光与红
外,2007;37(7):687—690
6 杨春玲,陈冠豪,谢胜利.基于梯度信息的图像质量评判方法的研究.电子学报,2007;35(7):1313—1317。