[发明专利]一种融合图像熵和结构相似性特征的对比度失真图像质量评价方法

说明书

本发明提供了一种融合图像熵和结构相似性特征的对比度失真图像质量评价方法，属于图像质量客观评价、图像处理及机器视觉等领域。本发明将图像的图像熵、结构相似性特征进行结合并融合处理，弥补了图像熵特征对图像结构不敏感的不足同时融入了图像的结构特征和熵特征，从图像像素统计和内容结构方面对图像开展全面的质量评价，解决了在采集、传输、转换等数据处理过程中图像对比度失真退化的量化评价问题。本发明的评价过程不是很复杂、计算效率高、准确性好，对图像的失真具有很好的评价性能，评价数据真实反映了图像退化失真程度且与人眼的视觉感知特性一致，能够满足图像融合、图像增强、图像识别等领域对图像质量失真客观评价的实际需求。

技术领域

本发明涉及数字图像质量客观评价、机器视觉以及人工智能等技术领域，具体涉及一种融合图像熵和结构相似性特征的对比度失真图像质量评价方法。

背景技术

众所周知，数字图像与人们的日常生活密不可分，在人们的工作、生活中的重要性日益凸显。然而，数字图像在其采集和传递的过程中很容易受损产生图像失真的现象，从而造成图像在展示上的美观不足以及在信息内容上的本质损失，所获得图像的内容信息与图像的真实信息不一致。因此，为了对图像的复原、理解、识别等应用提供有效的、真实的图像处理数据，迫切需要量化、衡量图像的失真情况，图像质量评价(IQA)应运而生并被广泛研究。当前，图像质量评价方法的研究众多并取得了一定的研究成果，但是其中的绝大多数均不适用于对比度失真类型图像的评价，因为其无法真实反映人眼对图像的视觉感知，也就是说还不能够客观准确的评估对比度失真图像的质量。与其他失真类型图像的质量评价相比，对比度失真类型图像的IQA方法的种类较少且存在评价的准确性较低的问题，因此，在此领域迫切需要评价性能良好的IQA方法。

当前，对比度失真图像的质量评价方法可以分为全参考IQA(FR_IQA)、半参考IQA(RR_IQA)和无参考IQA(NR_IQA)三种类型。FR_IQA的评价需要一整幅无损伤的参考图像作为对照，RR_IQA只需要对照参考图像的部分特征即可，而NR_IQA则是无需参考图像即可实现对失真图像的质量评价。由于NR_IQA摆脱了对参考图像的依赖，故其受到了国内外众多学者的密切关注并取得了较好的发展，比较而言FR_IQA和RR_IQA的方法的发展却较慢、不是很理想。然而实际上，在图像处理及相关领域内，FR_IQA相对于其他IQA方法的应用范围更广，更加需要性能良好的FR_IQA方法。目前，针对全参考对比度失真IQA，已有很多研究学者进行了尝试，取得了一定的成果：Wang等人在2015年提出了一种新的基于局部分块结构的PCQI(Patch-based Contrast Quality Index)方法(S Wang，K Ma，H Yeganeh，Z Wang，WLin.A Patch-Structure Representation Method for Quality Assessment ofContrast Changed Images，IEEE SIGNAL PROCESSING LETTERS，2015)；Sun等人在2018年提出了一种采用线性模型描述参考图像局部分块与对比度变化图像之间的关系的QCCI(Quality of Contrast Changed Image)方法(W Sun，W Yang，F Zhou，Q Liao.Full-reference quality assessment of contrast changed images based on local linearmodel，IEEE ICASSP，2018)；Shokrollahi等人在2020年提出了一种视觉信息保真度的对比度变化度量(VIF-CCM)方法(A Shokrollahi，MN Maybodi，A Mahmoudi-Aznaveh.Histogrammodification based enhancement along with contrast-changed image qualityassessment，Multimedia Tools and Applications，2020)；上述方法都提取了图像的多种特征比如图像平均强度、信号强度、信号结构分量、结构、亮度、视觉信息保真度、局部熵等对图像的质量进行评价，取得了较为不错的评价效果。相对于其他的图像特征，图像熵对对比度失真图像的评价显示出了更优异的性能。事实上，图像熵与对比度失真图像有着较为密切的关系：图像的对比度正常时图像熵最大，图像的对比度的减小或增大会使图像熵减小。图像熵作为一个图像数据和质量的统计指标，对图像的内容和结构进行评价时显示出了较大的不足，用之评价的局限性很大、评价的结果和图像的真实情况存在较大的出入。为了弥补图像熵的这种缺陷，本发明将结构相似性与图像熵有机结合，从统计方面与结构方面对对比度失真图像进行更为全面、准确的评价，提出了一种融合图像熵和结构相似性(SSIM)特征的对比度失真图像质量评价方法。与其他评价方法相比，本发明的评价更为合理、准确、客观，在图像融合、图像增强、图像识别等领域及图像处理相关领域均有着广泛的应用前景和价值。