基于FSIM及不同颜色模型彩色图像评价方法探究.docVIP

基于FSIM及不同颜色模型彩色图像评价方法探究 　　摘要；FSIM算法在彩色图像评价有较好的应用，但对于如何有效鉴别色彩失真的程度仍需讨论。通过研究不同颜色模型下FSIM算法对彩色图像评价结果，以色相和饱和度为指标，检测FSIM算法在不同模型应用上的评价。实验结果表明，YUV，YIQ两种颜色模型对颜色变化差异最敏感 关键词：FSIM算法；彩色图像评价；色彩失真；颜色模型 中图分类号：TN912 文献标识码：A 文章编号：1009-3044（2017）07-0226-03 数字图像在获取、处理、压缩、存储和传输过程中会经受各种类型的退化，这些退化会影响图像的视觉效果。一般来说，图像质量评价方法分为主观评价方法和客观评价方法。根据能够得到的参考图像（原始图像）信息的多少，客观图像质量评价方法通常又可以分为三类，分别为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价。全参考评价方法是目前为止客观图像评价方法中最可靠的方法 此前全参考评价方法的研究者大多基于灰度图像进行特征提取和分析评价，然而现实世界是丰富多彩的，在对彩色图像进行评价时，必然会涉及两个非常重要的参数―色调、饱和度。为了科学地定量描述和使用颜色，人们提出了各种颜色模型。目前常用的颜色模型按用途可分为两类，一类面向诸如视频监视器、彩色摄像机或打印机之类的硬件设备。另一类面向以彩色处理为目的的应用，如动画中的彩色图形 基于前者对全参考评价方法的研究，其中FSIM和FSIMc算法在几乎所有失真类型评价上都能有较满意的结果，评价结果比较稳定，是目前图像评价方法中最为理想的一种评价方法。彩色图像的特征相似性FSIMc算法将原始的RGB图像转换到另一个色彩空间YIQ提取了色度信息，在彩色图像评价方面要优于对灰度图像计算的FSIM，但对于如何有效地鉴别色彩失真的程度仍需要深入讨论，能利用不同的?色模型建立起一种对彩色图像特有属性―色调、饱和度的图像评价方法，更符合人类的视觉感受，对于彩色图像评价发展具有很大意义。本文利用特征相似度的评价方法，针对采用不同颜色模型对于FSIMc算法的彩色图像评价效果进行了实验研究 1特征相似性算法（FSIM） 1.1相位一致性（Phase Congruency） 根据生理和心理学研究表明，人眼可以察觉到的图像特征和不同频率下傅里叶级数的相位一致性具有一定程度上的联系。相位一致性可以被看作是体现局部结构信息重要性的一种无量纲。Liu等人把相位一致性（PC）用于图像质量评价，特征相似性算法选取相位一致性信息作为第一个特征 为了计算二维灰度图像的PC值，我们可以在各方向上采用一维的计算方法，一些扩展函数可以在滤波器的垂直方向上被利用将滤波器扩展为二维。最为常用的一种扩展函数为高斯函数，我们采用高斯函数作为滤波器的扩展函数，则二维Log-Gahor滤波器的传递函数为： 2颜色模型 目前常用的颜色模型分为RGB颜色模型、CMY和CMYK颜色模型、HIS颜色模型、YUV颜色模型、YIQ颜色模型、HSV颜色模型。其中RGB颜色模型、CMY和CMYK颜色模型是由不同的颜色分量构成的颜色信息，单独取出来研究无实际意义，故本文不予讨论 HIS颜色模型是从人的视觉系统出发，用色调、饱和度和亮度对色彩进行描述 对于RGB模型数字图像，其对应的HIS模型中，1分量为； YUV是被欧洲电视系所采用的一种颜色编码方法，属于PAL，是PAL和SECAM模拟彩色电视制式采用的颜色空间。Y代表亮度，uv代表色差，U、V是构成彩色的两个分量。YUV与RGB相互转换的公式如下： YIQ颜色模型通常被北美的电视系统所采用，属于NTSC系统。Y代表亮度，I和Q指色调，即描述图像色彩及饱和度的属性。上文已有详细转换公式，故不再赘述 HSV中的三个分量分别表示色调、饱和度和值。HSV模型的坐标系统如图所示。H表示色彩信息，即所处光谱的颜色位置，该参数用一角度量来表示，红、绿、蓝分别相隔120。，互补色分别相差180°。饱和度S为一比例值，范围为0～1，它表示所选颜色的纯度和该颜色最大纯度之间的比率，S=0时，只有灰度。V表示色彩的明亮程度，范围为0～1 3实验分析 在前者研究中已采用YIQ颜色模型进行图像色度分析，但至此未有学者于相关的颜色模型对彩色图像评价中色相和饱和度的不同影响程度做过验证性实验研究，故本文将对此展开讨论。为了衡量不同颜色模型对颜色失真的敏感程度，本文在LIVE数据库中选取了颜色相对丰富的图片进行质量评价，失真效果分别选择在色相-180°～180°范围内平均取五个采样点，在饱和度-100～100范围内平均取6个采样点进行失真模拟。其中，选取的调节因子T1=0.85，T2=160，T