[发明专利]基于条件直方图形状一致性的无参考型图像质量评价方法

说明书

技术领域

本发明涉及图像处理领域，特别是涉及图像质量评价领域，尤其涉及一种基于条件直方图形状一致性的无参考型图像质量评价方法。 

背景技术

图像质量是评价图像视频处理系统及算法性能的主要指标，因此对图像质量评价（Image Quality Assessment，IQA）方法的研究非常重要且具有广泛的前景。在图像去噪、图像恢复、图像增强等处理过程中，IQA指标可以作为各算法性能比较、参数选择的依据；在图像编码与通信等领域，IQA指标可以用来指导整个图像压缩、传输、接收过程，并评估不同算法及系统性能；在网络传输质量监控领域，IQA指标可以取代人工操作，实现自动化实时监控；此外，IQA在图像处理算法优化、生物特征识别、医学图像压缩等众多学科领域都具有潜在的实用价值。 

目前的数字图像质量评价（IQA）研究可分为主观评价方法和客观评价方法。 

主观评价方法是利用人眼观察的主观评价实验来评价图像质量，具体来说，是在一定的图像源、显示设备和环境等条件下，给观看者同时提供两幅图片，其中一幅是原始图像，另一幅是失真图像，其中的观看者包括普通人和图像专业人员和非专业人员。根据各观看者的评分数据统计出均值、标准 偏差、95%置信度区间等数据，以评价图像质量。由于人是图像视觉信息的最终接受者，故利用主观实验来评价图像质量是最准确和最有效的方法，然而评价方法需要的实验数据非常大，且不易嵌入自动化系统进行统计，导致该评价方法费时费力，且易受主观因素及观看环境的影响，不利于在实践中广泛应用。 

客观评价方法包括全参考型（Full-Reference,FR)图像质量评价（以下简称：FR-IQA）、部分参考型（Reduced-Reference,RR）图像质量评价（以下简称：RR-IQA）和无参考型（No-Reference,NR）图像质量评价（以下简称:NR-IQA）。其中，无参考型图像质量评价又叫盲图像质量评价（Blind IQA）。FR-IQA是作为评价失真图像质量参考的原始图像信息完全已知且无任何失真的。RR-IQA是仅利用原始图像的部分信息来估计失真图像的视觉感知质量。NR-IQA是一种不需要原始图像的任何信息，直接对失真图像进行评价的方法。FR-IQA及RR-IQA都全部或部分依赖原始的且无失真的图像作为参考，而在实现中参考图像的全部甚至部分信息难以获取或获取的成本较高，而且人类视频无需参考图像也可以对图像质量作出评价，因此NR-IQA最具研究意义。NR-IQA算法可分为针对单一失真和针对通用失真的算法，其中单一失真包括对图像的高斯白噪声、高斯模糊、JPEG、JPEG2000或信道衰落等失真进行评价的算法；而通用失真是对上述单一失真类型进行混合评价的算法，具有更广泛的适用面。 

为了更好地评价图像质量，近年来，一些研究组织根据国际电信联盟的相关标准，建立了几个比较通用的图像质量主观评价数据库，主要包括：美国康奈尔大学视觉通信实验室开发的A57数据库；美国奥克拉荷马州立大学计算感知与图像质量实验室开发的（Categorical Image Quality Database）数据库；法 国南特大学理工学院开发的IVC数据库；美国德州大学奥斯汀分校LIVE（Laboratory for Image and Video Engineering）实验室开发的LIVE数据库；日本富士大学MICT（Media Information and Communication Technology）实验室开发的MICT数据库；以及芬兰坦佩雷大学与乌克兰航空航天大学开发的TID2008数据库等。各数据库基本都包括了常见的图像质量退化类型如高斯加性白噪声、高斯模糊、高频噪声、JPEG压缩失真、JPEG2000压缩失真，以及各失真图像的主观得分（Mean Opinion Score，MOS）等数据。 

根据国际标准化组织视频质量专家组（Video Quality Experts Group,VQEG）的指导标准，客观算法对图像质量主观评价的预测值存在一定的非线性，因此，利用客观算法对图像质量评价时首先应当去除这种非线性因素，然后再进行相关性验证。非线性去除的函数形式有多种选择，如多项式拟合或Logistic回归等。 

相关性验证是指对图像质量评价客观算法的性能从预测的准确性、单调性和一致性进行验证。