[发明专利]一种无参考噪声图像质量评价方法及系统

说明书

本发明提供一种无参考噪声图像质量评价方法及系统，属于图像处理领域。所述方法包括对待测图像进行BEMD分解和Riesz变换；利用视觉对比敏感度函数进行加权求和，得到去噪图像的特征图；利用待测图像和去噪图像的特征图进行相似度计算和加权求和，最终得到评价结果。本发明采用BEMD分解和Riesz变换对无参考噪声图像质量进行评价，与图像噪声估计的方法相比，该方法的评价效果更好，其评价结果与主观评价结果的相关性更大、误差更小。算法在LIVE、CSIQ和TID2008三个数据库上进行了指标测试，同时在LIVE库上进行了散点图实验，实验结果表明，BRIQ算法对噪声图像的评价表现出良好的性能。

技术领域

本发明涉及一种无参考噪声图像质量评价方法及系统，属于图像处理领域。

背景技术

随着数字技术和多媒体通信的蓬勃发展，数字图像作为信息表达与交流的重要元素，获得了越来越广泛的应用。然而，在图像的获取、存储、传输、显示等过程中不可避免地会引入一些干扰因素，如噪声、模糊、数据丢失等，这些都会造成图像质量的下降^[1]。图像质量的好坏直接影响到人们的主观感受和信息量获取，如何在视频传输、字符识别、安全监控、医学等领域建立有效的图像质量评价机制具有重大意义，图像质量评价(Imagequality assessment，IQA)的研究应运而生^[2][3]。图像质量评价可以分为主观评价方法和客观评价方法，主观图像质量评价是最直观可靠的图像质量评价方法，但需要花费大量的时间和人力成本，评价人员需要一定的专业背景，无法用于工业生产实践^[4]。因此，客观图像质量评价方法成为该领域的主要研究内容，根据参考图像是否存在，图像质量评价可以分为全参考(Full reference，FR)评价、部分参考(Reduced reference，RR)评价和无参考(No reference，NR)评价^[5]。

由于在实际应用中往往难以获取参考图像，近年来，无参考图像质量评价(No-Reference Image Quality Assessment，NR-IQA)方法的研究非常活跃，也是将来客观图像质量评价的发展方向^[6]。通常，NR-IQA方法可分为专用型(Application-Specific)方法和通用型(General Purpose)方法，专用型是指只对某一种失真有效或只在某一种应用场合有效，通用型则适用于任何失真及任何场合^[7][8]。由于通用型无参考图像质量评价方法难度较大，目前大部分研究都是针对专用型。常见的失真包括JPEG压缩退化、模糊退化、噪声退化等。对于压缩退化类型的图像，Suthaharan等人^[9]提出VSBAM方法来评估因图像压缩而引起的图像退化。对于模糊退化类型的图像，Ciancio等人^[10]利用多种空域图像特征，采用神经网络模型对模糊图像进行评价。Khosro等人^[11]提出Maximum Local Variation(MLV)的概念来快速评估图像的模糊程度。Rony等人^[12]提出Just Noticeable Blur(JNB)的概念来评价图像的模糊程度，并提出了JNB的升级版本CPBD^[13]。噪声是图像退化中重要的因素，目前针对噪声图像的无参考客观评价算法相对较少，Pastor等人^[14]将图像噪声简化为加性高斯白噪声，Liu等人^[15]利用Principal Component Analysis(PCA)提出图像噪声估计的方法。这些算法往往忽略了人眼视觉系统(HVS)对噪声图像的主观敏感程度，不能很好地评估噪声图像质量对于观测者的主观感受。