[发明专利]基于视觉注意特征的全参考图像质量评价方法

说明书

本发明主要涉及诸如图像获取、传递、压缩、插值和增强技术，为解决现有图像质量评价方法不能很好地符合人类视觉系统感知过程问题，一种新型全参考图像质量评价方法，可得到与人类主观图像质量评价更相近的结果，本发明，基于视觉注意特征的全参考图像质量评价方法，步骤如下：Step1：结构和色彩特征提取；Step2‑1：整幅图片的分类；Step2‑2：非边缘区域的分类；Step3：边缘区域、复杂结构区域和简单结构区域的失真测量；Step4：整体综合策略；Step5：最终图像质量分数的形成本发明主要应用于设计制造场合。本发明主要应用于图像处理领域。

技术领域

本发明主要涉及诸如图像获取、传递、压缩、插值和增强等实际的视觉应用领域。图像质量评价方法在评估或优化图像相关算法和系统性能上具有决定性作用。具体讲,涉及基于视觉注意心理和生理特征的全参考图像质量评价方法。

背景技术

图像作为信息的载体，一幅拥有好质量的图片能够传递给人更多的信息量。然而，在图像的形成、传递和处理等过程中，信息量会不同程度地丢失。因此，图像质量评价在评估或优化图像相关算法和系统性能上具有重要的作用。依据评价对象不同来划分图像质量评价方法，可分为以人眼为评价对象的主观评价方法和以机器为评价对象的客观评价方法。主观评价方法是最可信赖的评价方式，但是由于主观评价方法成本高并且耗时长，所以研究者更致力于发展完善符合人类视觉系统感知过程的客观评价方法。本专利方法为原图像完全可用的全参考图像质量评价方法。

在长期研究人眼视觉感知过程中，并结合VA(Visual Attention，视觉注意)的生理、心理特征的研究成果，人们逐渐发现了IGM(Internal Generative Mechanism，内部生成机制)、视觉显著性和各种基于内容的视觉掩盖效应在视觉感知过程中起到的关键性作用。

在大脑处理视觉信息的过程中，IGM结合先验知识积极预测主要视觉信息并最小化残留的不确定信息，即积极获取相对简单结构易于推断的部分并忽视结构杂乱难于预测的部分。关于视觉显著性的研究主要是图像的哪部分区域更加吸引人眼的注意。基于内容的视觉掩盖效应有很多种，本专利方法主要考虑了熵掩盖、颜色掩盖和纹理掩盖。熵掩盖和作为视觉注意心理特征的IGM紧密相关，它发生在中心像素的背景复杂且大脑觉察其陌生的时候。

作为视觉注意生理特征的颜色掩盖发生在人眼敏感的图像边缘区域，人眼往往过多关注该区域的结构信息变化，而忽略颜色信息变化。同样作为视觉注意生理特征的纹理掩盖发生在比较杂乱的区域，人眼往往忽略该区域的结构信息变化，而关注颜色信息变化。

当图像失真类型与图像内容无关时，PSNR评价指标更符合人类视觉系统感知；当图像失真类型与图像内容相关时，模拟人类视觉系统的评价指标，比如：SSIM，更符合人类视觉系统感知；

发明内容

为克服现有技术的不足，解决现有图像质量评价方法不能很好地符合人类视觉系统感知过程这个问题，本发明结合视觉注意的生理和心理特点的相关内容，提出一种新型全参考图像质量评价方法，可得到与人类主观图像质量评价更相近的结果。为此，本发明采取的技术方案是，基于视觉注意特征的全参考图像质量评价方法，步骤如下：

Step1：结构和色彩特征提取：分别将原始图像和失真图像的RGB色彩空间转换到更符合人类视觉系统感知特性的色彩空间上，然后，通过对与亮度或灰度相关的通道信息进行处理得到两幅图像的结构相似性矩阵，通过对色彩通道信息进行处理得到两幅图像的色彩相似性矩阵，至此，完成了图像结构和色彩两个特征的提取；

Step2-1：整幅图片的分类：引入边缘检测算法分别对原始图像和失真图像进行分区，将图像分为两个区域：边缘区域，非边缘区域，边缘区域是指边缘检测算子检测到的两幅图像共同的边缘区域，其余区域为非边缘区域；

Step2-2：非边缘区域的分类：通过引入VA心理因子包括但不限于贝叶斯预测模型将非边缘区域划分为简单结构区域和复杂结构区域，简单结构区域是指拥有规律结构的图像部分，复杂结构区域是指具有信号杂乱特点的图像部分；