[发明专利]基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法

说明书

技术领域

本发明涉及电子信息学科学领域，特别涉及一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法。

背景技术

图像模糊是图像降质的一种，图像模糊度评价属于特定降质模型的图像质量评价。准确检测和估计图像的模糊程度是很多图像/视频处理方法的基础。

图像模糊类型可按其模糊原因分为散焦模糊、运动模糊等。其中图像模糊度评价方法是人眼主观评价方法，即通过人眼主观判断和估计图像的模糊程度；此种主观评价方法比较准确，这是因为图像和视频最终是面向人眼呈现的，人的主观感受是最重要的依据和评价准则。但是，人眼主观评价的缺点是无法运用到需要实时的场合。很多应用比如基于图像的自动聚焦、图像压缩编码等都需要通过评价算法实现对图像模糊度的估计。因此研究图像模糊度客观评价方法是有意义的。

目前针对图像模糊度评价主要有三类客观评价方法。第一类是全参照的评价方法，即需要以降质之前的原图像作为参照，对比降质前后图像进行模糊度评价。这类方法最为精确，但在无法获得原图像情形下没有意义；第二类是部分参照评价方法，即利用部分原图像的信息，一般通过比较原图像与降质图像的特征信息进行评价。这类方法相对全参照方法减少了对原图像数据量的要求，评价相对而言比较可靠；第三类是无参照评价方法，即不利用任何原图像的信息，仅仅通过对降质后的图像分析进行评价。无参照评价方法应用范围广，具有重要的理论和应用价值。

当前无参照图像模糊度评价方法主要采用以下四种技术路线：第一种技术路线是基于频域(如傅里叶变换)能量频谱的计算模型，其基本思想是模糊形成通常可看作为低通滤波作用结果，使得高频能量被滤除掉了，这导致模糊图像相对于正常图像其能量频谱以一定的规律快速消减，因此采用分析能量频谱可以对模糊度进行评测；第二种技术路线是通过边缘分析来确定模糊度值，其基本思想是图像模糊会造成图像中的细节变化比如边缘变宽或消失，因此通过分析边缘的变化可以对模糊度进行估计。这类方法的缺点在于边缘检测一般只能对包含具有较多文理内容的图像才有效果，这导致对弱纹理图像评价往往误差较大；第三类技术路线是基于对图像像素或频域系数的统计，其基本思想是清晰图像的像素值通常会具有更大的统计方差或更高的信息熵，因此像素值或频域系数的统计数据能够反映图像模糊度的变化；第四种技术路线是基于局部梯度分析模型，其基本思想是图像的局部梯度值对模糊较敏感，梯度值的变化能够反映出一定的图像模糊变化。

以上四类技术路线的共有的规律都是通过找到模糊引起的某种变化量，通过分析变化量来评测模糊度值。然而这些“某种变化量”都是基于图像本身内容的绝对变化量，是跟图像内容密切相关的。这些方法虽然能够在许多场合具有较好的评价效果，但是往往会受到图像内容的干扰导致得到较大误差甚至完全错误的估计值。例如，对于一副包含丰富边缘而模糊度本身更大的图像和一副边缘较少而模糊度较低的图像，采用基于边缘分析的评价方法经常容易对前者得到更小的估计值而对后者则得到较大的估计值。当前许多方法都有类似的缺陷即无法获得准确的绝对模糊度值。

当然任何一个评价方法都无法对任意图像的模糊度进行精准的评价，这类似于人眼有时候也难以区分两张图像模糊度一样。针对无参照评价方法的好坏评测，通常采用具有主观评价MOS(Mean Opinion Score)或DMOS(Difference Mean Opinion Score)数据的图像作为测试数据，通过对比评价值与MOS或DMOS值进行评估方法的好坏。如果某个方法的对大量的测试数据集的评价值呈现出与人眼主观评价数据值相一致的规律，则此种方法被认定为评价效果好。

发明内容

本发明的目的是针对上述已有技术的不足，提出一种能提高无参照模糊度客观估计的准确度和稳定性，使得评价结果最大程度上与图像内容无关，而与人眼视觉主观评价密切一致的基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法。

本发明的技术方案是：

一种基于多分辨率DCT边缘梯度统计的无参照图像模糊度评价方法，包括以下步骤：