基于视觉感知的彩色图像质量评价.docVIP

　　基于视觉感知的彩色图像质量评价 摘要：图像质量评价是图像处理与计算机视觉一个重要研究方向，近年来虽然出现了许多不同的基于人类视觉系统的评价方法，如SSIM，IFC，VSNR等。这些算法都提高了评价准确率但仍留有较大可以提升的空间，而且他们大多只针对图像的灰度信息，简单地将彩色信息丢弃，而人眼会根据图像的灰度和色彩两个方面去识别和评价图像。为了满足人眼视觉感受需要自然化归一化处理图像，并且通过色彩等多个尺度提取图像显著特征，赋予合适的权重来重新计算图像的结构相似性，最终做出更精确的图像质量评价。 中国 8/vie 　　关键词：彩色图像质量评价；视觉感知；自然化；显著特征；结构相似性 　　中图分类号：TP391 文献标识码：A ：1009-3044（2017）02-0186-03 　　1引言 （IQA简介） 　　数字图像在图像采集、分析、传输、处理和重建的过程中，非常容易发生不同程度不同类型的扭曲和失真，导致图像的视觉质量降低。而为了保持、控制和增强图像质量，在图像的采集、管理、传输和处理过程中，判断图像失真程度、识别和量化图像质量等级就显得尤为重要。经过40多年的发展，图像质量评价技术得到了充分的发展，国际上也出现了一批成熟的评价标准与评价算法。图像质量评价方法分为主观评价方法与客观评价方法。 　　1.1 图像质量主观评价 　　在大多数图像处理应用程序中，人类是最终接受者，所以最可靠的IQA方法应该是主观评价方法。针对数字图像的主观评价法在国际电信联盟（ITU）给出过中定义[1] 。根据定义，主观评价有四种评价方式：双刺激损伤分级法、双刺激连续质量分级法、单刺激分级法和单刺激连续质量分级法。 　　单刺激和双刺激的主要区别在于评价者是独立对图像进行评价而不存在想要的参照物，双刺激方法中评价人员将原始图像与多个待评价的图像组成‘图像对’，并且先让评价人员观看无失真图像，形成一个参考基准，然后在对失真图像进行展示，在对比之后，评价人员根据待评价失真图像的主观感受给出图像质量等级。连续质量分级则是将多组原始图像和待评价图像给评价人员观看，但与直接分级不同的是，原始图像和待评价图像显示的顺序是随机的，并且一起对显示的两张图像都要进行评分，该方法采用连续分数表示，使用百分制。 　　目前，采用大量的观测人员进行DSCQS方法评分所得出的“平均意见分”（Mean Option Score，简称MOS）方法被认为是最佳的IQA方法。然而MOS方法的花销成本大同时速度太慢，难以实际应用。 　　1.2 图像质量客观评价 　　与主观评价相对应的图像质量客观评价方法，其本质就是一套根据人眼的主观视觉系统（HVS）的高效的图像质量自动评价系统。客观评价方法根据评价系统是否有参考对象分为全参考图像质量评价（能获取参考图像的全部信息，简称FR），参考图像质量评价（只能获取参考图像的部分信息，简称RR），无参考图像质量评价系统（简称NR）。目前FR-IQA方法已经日臻完善，RR-IQA和NR-IQA的研究热度持续上升，然而FR和RR都需要获取待测图像的对比图像的全部或者部分信息，这一点在实际应用中经常无法实现，也是IQA领域当前研究的热点，目前的NR-IQA根据适用范围大致分为两类：针对特定失真类型的算法，通用型算法。前者在使用时需要预先知道图像的失真类型，诸如模糊、噪声、压缩等，适用范围受到了限制，但失真特征易于定义和提取，但适用范围受到了限制，通用型NR-IQA的研究受到更多的重视。 　　在过去四十多年，图像质量评价（IQA）得到了快速的发展。而在研究初期，为了减少模型设计的复杂度，大部分的IQA算法都只针对灰度图像进行评价，而对于彩色图像，他们主要有两种处理方法：把原彩色图像转换到灰度尺度运算，或者将图像分解为R、G、B三个通道，将原图像变为三通道灰度图像进行评价。而随着人们对图像质量评价精确性的要求逐渐变高，色彩这个重要的图像质量评价指标开始被越来越多的研究人?T重视，并提出一系列新的针对彩色图像的质量评价算法。 　　2 基于彩色图像中的灰度信息评价 　　人作为图像信息的主要接受载体，研究人眼的视觉原理可以对建立图像质量客观评价模型有重要意义。目前研究发现，物体成像主要在视网膜上，视网膜结构如下图所示。 　　从图1中，我们知道光线通过瞳孔晶状体，将光线汇聚在视网膜上。视网膜中含有两种视觉细胞，分别是负责感受光亮度强弱柱状细胞――视杆细胞、感受光的色彩的锥状细胞――视锥细胞。光线通过两种光感细胞将图像的完整信息传递给大脑。而在视网膜中，视感细胞数量远多于视锥细胞，人眼对亮度的敏感程度也大于对色彩的敏感程度。而且，只计算灰度信息会减少整个评价模型的复杂度，提高计算效率。因而出现了大量的只利用彩色图像灰度信息的质量评价算法。