图像质量评价技术分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

图像质量评价技术分析
作者:林岚杨帆宋翔
来源:《中小企业管理与科技·下旬刊》2014年第01期
摘要:图像处理领域中对图像质量的正确评价是计算机图像分析与理解系统的基础。

本文简要介绍了目前流行的图像质量评价方法:主观评价与客观评价。

文章对图像质量评价的基本方法、基本概念进行介绍,对目前具有代表性的图像质量评价方法进行分析和总结,对图像质量评价技术存在的一些问题进行小结。

关键词:客观评价峰值信噪比结构相似度
0 引言
图像质量评价的方法分为主观评价和客观评价两种方法。

主观图像评价方法是根据人眼的视觉系统感知图像质量的好坏。

此方法是图像质量评价最直接、有效的方法。

但是主观评价方法的主体是人,所以不可避免的存在很多主观因素的影响。

例如,人当时的情绪,自己的经验,观察环境等。

这种方法的评价效率低,代价高,确定性差,实时性差,不能直接应用于图像处理系统。

客观图像评价方法是通过建立数学模型,计算降质图像相对于原始图像的失真程度。

客观评价方法的主体是机器,所以其操作简单,系统稳定,可移植性好。

客观图像评价方法主要分为全参考图像质量评价,半参考图像质量评价和无参考图像质量评价三种类型。

其中全参考图像质量评价方法研究时间最长,发展较为成熟。

1 全参考图像质量评价方法
1.1 传统的全参考图像质量评价方法
传统的全参考图像质量评价方法主要是采用均方误差MSE(Mean Square Error)和峰值信噪比PSNR(Peak Signal-to-Noise Ratio)。

它们计算失真图像与原始图像之间的信号误差,误差越小,失真图像与原始图像越接近,图像的质量就越好。

其数学表达式为:
MSE=■∑■■∑■■[a(i,j)-■(i,j)]2 (1-1)
其中a(i,j)和■(i,j)分别表示原始图像与失真图像中对应的灰度值或色彩值。

M*N表示图像的像素总个数。

PSNR=10lg[■] (1-2)
其中L表示图像的灰度范围,一般情况下取值为255。

(1-1)和(1-2)的两种方法基于图像像素灰度值进行统计和均值计算,虽然效率高、实现简单,但是却忽略了人眼的视觉特点,因而不能准确的反映出图像的质量,存在明显的不足。

在图1中[1],信号1和信号2分别与原始信号进行均方误差计算,计算结果相同。

但在人眼看来,信号1明显比信号2更接近原始信号。

1.2 基于HVS的图像质量评价方法
由于图像的最终接收者是人的视觉系统,而传统的图像质量评价方法忽略了人类视觉特性。

因此为了得到更加准确的图像质量评价方法,人们根据HVS(Human Visual System)人眼视觉系统理论,提出了与感知图像失真比较接近的评价方法。

Zhou Wang[2]等人认为人眼的视觉特性主要是提取背景中的结构信息,并以此提出了基于结构相似度信息的图像质量评价方法SSIM(Structural Similarity Image Measurement)。

1.2.1 SSIM结构相似度
SSIM(X,Y)=[I(x,y)]a*[c(x,y)]β*[s(x,y)]γ (1-3)
其中α、β、γ>0,这三个参数对亮度、对比度和结构信息进行调整。

x,y分别为原图像和重建图像中对应的位置的块。

1.2.2 MSSIM平均结构相似度
在实际使用SSIM计算时并不是直接将原图像和失真图像的结构进行比较,而是将两幅图像用相同大小的滑动窗口进行互不重叠的分块。

假设分块的总数为N,考虑到窗口的形状会对分块造成影响,所以采用高斯加权计算每个窗口的均值,方差及协方差,然后利用公式⑥计算出图像对应块的SSIM(x,y),再对结果取平均值,得出图像的平均结构相似度MSSIM。

MSSIM(x,y)=■∑■■SSIM(xj,yj)(1-4)
考虑到图像中像素灰度变化程度对视觉效果的影响,提出了一种加权的结构相似度WSSIM。

[3]
参考文献:
[1]佟雨兵,张其善,祁云平.基于PSNR与SSIM联合的图像质量评价模型[J].中国图象图形学报,2006,11(12).
[2]Wang Zhou,Lu Liang,Alan C Bovik.Video quality assess-
ment using structural distortionmeasurement[A].In:Proceeding of2002 Internation Conference of Image Processing[C],Rochester,New York,2002,3: 65~68.
[3]王涛,高新波等.一种基于内容的图像质量评价测度[J].中国图像图形学报,2007,12(6).。

相关文档
最新文档