[发明专利]一种多失真图像质量的无参考评价方法

说明书

本发明提出一种多失真图像质量的无参考评价方法，该方法是一种基于双阶结构失真和非局部统计的评价方法，包括步骤：首先对多失真图像进行下采样得到多个分辨率的图像。提取每个分辨率图像的双阶结构特征用来评价图像中的结构失真。所有的结构特征构成了第一组质量评价特征。然后，提取每个分辨率图像的非局部相似性统计特征，将这些特征作为第二组质量评价特征。最后，将图像的两组特征作为输入，利用随机森林训练出多失真图像的质量评价模型。本发明的性能明显优于现有的无参考图像质量评价方法，且具有很好的跨库性能，可扩展性强。

技术领域

本发明涉及图像质量评价领域，尤其是一种多失真图像质量的无参考评价方法。

背景技术

图像质量评价在图像处理领域以及实际应用中都有非常广泛的应用[1]。目前，已经有大量的图像质量评价方法。图像质量评价方法可以分为主观图像质量评价方法和客观图像质量评价方法。主观质量评价方法是指通过人眼来判断图像的质量。这种方法精确度高，但是费时、费力，成本高，尤其是在有海量图像需要进行质量评价时，具有较大的缺陷。客观图像质量评价方法是指通过设计数学模型来评价图像的质量分数。客观质量评价方法克服了主观图像质量评价方法的缺陷。客观图像质量评价方法可以分为全参考、半参考和无参考三种方式。全参考方法必须在获得整个原始无失真图像的情况下才能对失真图像进行质量评价。半参考的方法仅需要部分原始无失真图像的信息即可对失真图像进行质量评价。在实际生活中，一般不可获得原始无失真图像，所以全参考和半参考方法均具有较大的局限性。而无参考方法可以在没有原始无失真图像的情况下，即可对失真图像进行质量评价。因此，无参考方法具有最为广泛的应用和最大的可行性。另外，在所有现有的质量评价方法中，大部分方法是针对包含单一类型失真的图像进行质量评价。例如，针对模糊图像的质量评价方法[2]以及针对JPEG压缩图像的质量评价方法[3]。但是，现实中，我们看到的图像都要经过获取、压缩、传输和存储等过程。这些过程会在图像中引入多种类型的失真[4]，例如图像获取的过程会带来模糊、压缩过程会带来块效应失真，还有一些传输失真等等。因此，现有的为单一失真设计的图像质量评价方法的性能以及应用范围具有一定的限制。

目前，只有三种质量评价方法是专门为多失真图像设计的。方法[5]中提出了一种包含五个步骤的多失真图像质量评价方法。对于一幅多失真图像，首先利用噪声估计方法判断图像中是否包含噪声。如果这幅图像中含有噪声，则先对图像进行去噪。然后，分别利用评价图像清晰度和块效应失真的方法对去噪后的图像进行评价，从而得到图像的清晰度分数和块效应分数；如果图像中没有噪声，则不需要去噪，而是在失真图像上直接求得清晰度分数和块效应分数。最后，将两个分数结合，从而得到最终的多失真图像质量分数。方法[6]在方法[5]的基础上提出了一种包含六个步骤的多失真图像质量评价方法。首先，利用噪声估计方法计算图像中的噪声分数作为分数1。然后，对图像进行去噪。再用评价图像清晰度和块效应失真的方法对去噪后的图像进行评价，计算出图像的清晰度分数和块效应分数。这两个分数被分别作为分数2和分数3。再计算图像中的模糊失真和块效应共同作用下的质量分数，作为分数4。最后，将得到的四个质量分数进行整合得到最终的多失真图像质量分数。方法[4]提出了一种基于结构失真度量的多失真图像质量评价方法。首先，利用低通滤波和下采样的方法得到多个分辨率的图像。然后计算图像的梯度图像，并在梯度图像上计算局部二值化图像，以此来提取图像中的结构信息。将梯度图像的幅值图像作为二值化图像的权值图像对二值化图像进行加权。最后，计算加权后的二值化图像的直方图，并将直方图的求和结果作为失真图像的质量分数。

尽管这三个为多失真图像设计的质量评价方法相比于为单一失真图像设计的方法在性能上有一定的提高，但是，他们仍然存在一些缺陷。尤其对于方法[5][6]，他们只考虑了多失真图像中三种类型的失真，即噪声，模糊和块效应。但是，现实中图像的失真类型不只这三种失真类型，所以，这两种方法的性能和应用范围具有一定的局限性。对于方法[4]，它仅仅考虑图像中主要的结构失真。图像中细小的结构，例如图像的纹理，已经被证明同样会影响人眼对于图像的感知[7]。所以，该方法仍然具有提升空间。

基于以上分析，亟需设计一种更加有效的无参考的多失真图像质量评价方法。