[发明专利]基于梯度的彩色图像质量评价方法

摘要

本发明公开了一种基于梯度的彩色图像质量评价方法，主要解决当前图像质量评价方法中对彩色图像颜色失真评价效果不佳的问题。其包括：1)利用S‑CIELAB色貌模型分别对原始图像和失真图像进行颜色感知变换，将这两种图像分别分解为一个亮度通道和两个色度通道；2)利用线性卷积滤波对每一个通道进行梯度计算，获得原始图像和失真图像的亮度边缘和色度边缘；3)计算原始图像与失真图像之间的亮度边缘差异和色度边缘差异；4)将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM。本发明能够更有效、更准确地对彩色图像进行质量评价，可用于彩色图像压缩、存储、传输过程中对彩色图像的处理。

主权项

一种基于梯度的彩色图像质量评价方法,包括：(1)利用国际照明委员会CIE提出的S‑CIELAB色貌模型分别对原始图像R和失真图像D进行颜色感知变换，将这两种图像分别分解为一个亮度通道L和两个色度通道(a，b)，其中，L表示颜色的亮度，a通道的颜色是从红色到深绿，b通道的颜色是从黄色到蓝色；(2)利用线性卷积滤波对每一个通道进行梯度计算，获得原始图像和失真图像的亮度边缘和色度边缘：$g_R^L(x,y)=\sqrt{{(L_R\⊗f_x)}^2(x,y)+{(L_R\⊗f_y)}^2(x,y)}$$g_D^L(x,y)=\sqrt{{(L_D\⊗f_x)}^2(x,y)+{(L_D\⊗f_y)}^2(x,y)}$$g_R^a(x,y)=\sqrt{{(a_R\⊗f_x)}^2(x,y)+{(a_R\⊗f_y)}^2(x,y)}$$g_D^a(x,y)=\sqrt{{(a_D\⊗f_x)}^2(x,y)+{(a_D\⊗f_y)}^2(x,y)}$$g_R^b(x,y)=\sqrt{{(b_R\⊗f_x)}^2(x,y)+{(b_R\⊗f_y)}^2(x,y)}$$g_D^b(x,y)=\sqrt{{(b_D\⊗f_x)}^2(x,y)+{(b_D\⊗f_y)}^2(x,y)}$其中，x表示滤波器的水平方向，y表示滤波器垂直方向，L_R表示原始图像R的亮度通道，L_D表示失真图像D的亮度通道,表示原始图像亮度通道的梯度幅度，表示失真图像亮度通道的梯度幅度；a_R表示原始图像R中红色到深绿的颜色，a_D表示失真图像D中红色到深绿的颜色，分别表示原始图像和失真图像中a色度通道的梯度幅度；b_R表示原始图像R中黄色到蓝色的颜色，b_D表示失真图像D中黄色到蓝色的颜色，分别表示原始图像和失真图像中b色度通道的梯度幅度；(3)计算原始图像与失真图像之间的边缘差异参数：(3a)利用结构相似度算法SSIM中亮度相似度评价指标推导出原始图像与失真图像亮度通道像素点之间的亮度边缘差异DM_L，其中，x，y分别代表原始图像块和失真图像块，μ_x，μ_y分别代表原始图像块和失真图像块的均值，C₁为常量；(3b)比较原始图像与失真图像像素点之间红色到深绿的颜色差异，推导出二者的a色度边缘差异DM_a；(3c)比较原始图像与失真图像像素点之间黄色到蓝色的颜色差异，推导出二者的b色度边缘差异DM_b；(4)将亮度边缘差异和色度边缘差异进行线性融合，得到最终的质量评价值CGBM：$CGBM=\underset{i=1}{\overset{N}{\Σ}}\frac{1}{N}({\mathrm{\ω}}_1\·{\mathrm{DM}}_L(i)+{\mathrm{\ω}}_2\·{\mathrm{DM}}_a(i)+{\mathrm{\ω}}_3\·{\mathrm{DM}}_b(i\left)\right)$其中，i＝1,2,3 N,N为图像内所有像素点的数量，ω₁，ω₂，ω₃分别代表亮度通道，a色度通道，b色度通道对失真感知影响的权重参数，CGBM结果值的范围为[0,1],结果越接近1代表图像的质量越好。