Riesz域内图像质量评价.docVIP

Riesz域内图像质量评价 　　摘要：本文提出了一个里斯域内的图像质量评价方法。该方法首先将参考图像和待评估图像从空域变换到里斯域；其次，提取参考图像在里斯域内的每个子图的显著性矩阵；再次，分别计算参考图像和待评价图像的每个子图之间的加权相似度；最后将这些相似度求平均，即可得到待参考图像的质量评价结果。该算法的优势在于其符合人类视觉系统对图像的感知原理。通过实验，验证了该算法的有效性。 　　关键词：图像质量 里斯变换 多尺度图像表示 显著性 　　中图分类号：TP319.41 文献标识码：A 文章编号：1007-9416（2013）09-0181-04 　　1 引言 　　随着数字成像技术和通讯技术的发展，图像成为了存储、传播信息的重要载体，以其独特的直观性在各领域都发挥着重要的作用[1]。但在图像的形成、传输和存储等阶段，图像信息往往受到外部成像环境、成像设备、传输设备等的影响，从而导致图像质量参差不齐。那么客观的评价图像的质量则显得尤为重要。 　　图像质量评价（Image Quality Assement， IQA）一般情况下分为两类：主观法和客观法。主观法指的是通过肉眼观察，直接对图像的质量进行评估打分。这种方法的优势在于它完全符合人类视觉系统（Human Visual System，HVS）对图像的感知机制，评价结果也最为可靠；但其缺陷是耗时，易受环境的影响，并且无法将其整合到其它自动化图像处理系统中。客观法是所有通过运行程序自动实现图像质量评价的方法的统称，该类方法是我们研究的重点。 　　传统的客观方法包括均方差（mean-squared error，MSE），峰值信噪比（peak signal-to-noise ratio，PSNR）等，MSE和PSNR由于计算方便，有鲜明的物理意义，在以往使用较为广泛，但后来学者认为这两种指标的评价原理与HVS相去甚远，且实验结果表明MSE和PSNR较差[2]。互信息（Mutual Information，MI）也是图像质量评价的重要指标，它衡量的是图像间信息的相似程度。随着对HVS机理研究的逐步深入，图像质量评估研究领域的学者将HVS理论引入其中，并取得了较好的效果。其中，具有里程碑意义的是王舟等人提出的结构相似理论，该理论是根据HVS感知图像的机理实现的，他们认为图像的失真主要包括三个方面：亮度失真、对比度失真和结构失真[3]。随后，他们将多尺度图像表示加入到该理论中，将处理域从空域转向了频域。 　　考虑到Riesz域内的图像具有较好的性质，所以本文提出一种在Riesz域内的局部结构相似模型，该模型的另外一个特点是，充分考虑了每个局部区域在整幅图像中的重要程度，使得质量评价更加细腻。本文的后续部分安排如下：第2章介绍了Riesz域的图像表示，第三章为本文的主体部分，介绍了算法的整体框架，并详细给出了相似度计算方法和显著性检测方法；在第四章中，实验验证算法的有效性；在第五章中总结全文。 　　2 Riesz域的图像表示 　　1维度的Hilbert（希尔伯特）变换已经成功的应用到了信号处理领域，并取得了较好的应用效果。但考虑到图像为二维信号，若将Hilbert变换用于图像处理，则需将Hilbert变换从1维扩展到2维空间上去。在文献[4]中，作者总结了关于这一主题的各种尝试，包括局部Hilbert变换，整体希尔伯特变换，结合局部和整体的Hilbert变换等，但是，它们都存在一个相同的缺陷，它们都是各向同性的。Riesz变换可以将希尔伯特变换转化为维度大于1的欧氏空间。他们是一个奇异积分算子。在2-D的欧氏空间中的Riesz内核被定义为 　　（1） 　　那么信号f（x）的一阶里斯变换则可通过信号本身与Riesz内核做卷积操作得到，即 　　（2） 　　（3） 　　Riesz内核在傅里叶域内可以定义为 　　（4） 　　那么，公式和公式在傅里叶域内的形式分别为 　　（5） 　　（6） 　　对于更高阶的里斯变换，则可通过低阶里斯变换间接获得[5]。如二阶里斯变换可通过一阶里斯变换获得：若将公式中的f 替换为Rx{f}，则可得到二阶里斯变换Rx{Rx{f}}；若将公式中的f 替换为Rx{f}，则可得到二阶里斯变换Ry{Rx{f}}；若将公式中的f 替换为Ry{f}，则可得到二阶里斯变换Ry{Ry{f}}.其它高阶里斯变化以此类推。 　　3 算法描述 　　3.1 算法框架 　　考虑到里斯域可以很好的表示图像的信息，所以本图像质量评价算法首先将图像从空间域转化到里斯域内，然后再与参考图像做比较，本算法的框架可以表示为如图1所示。 　　具体的，模型流程可以归结为： 　　（1）将参考图像I1和待评价图像I2分别进行里斯变换，I1被分解为5个子图Rx{I1