数字图像质量评价算法-研究与性能评价.pdf

第一章绪论 第一章绪论 1．1前言 近些年随着数字图像技术、计算速度、存储容量和网络技术等方面的发展， 使数字图像(包括静态图像和视频)的数量大幅增长。因为数字图像在摄影、存 储、传输和显示各环节经由不同的设备，所以产生了维持图像质量的需求。在绝 大多数应用中，这些图像的终端用户是人类观察者【l】。目前比较流行的数字图像 应用包括：远程医疗、远程教学、网络会议、网络多媒体、有线数字电视、手机 电视、地面广播电视、卫星电视等基于网络的图像传输领域，卫星遥感成像、医 学成像、气象成像等图像成像领域，以及安全视频监控、公路电子眼等图像识别 和安全监控领域等。显然，在以上这些应用中，图像质量信息扮演着十分重要的 角色。 图像质量用来描述一幅图像可察觉的图像失真(通常与理想或无失真图像相 比较)特性。图像系统可能会向信号中引入一定量的失真或假象，所以，图像质 Assessment)是一个重要的问题。 Quality 量评价(IQA，Image 从有没有人参与的角度分类，图像质量评价可分为主观评价和客观评价两种 方法。在人类观察者作为终端用户的情况下，唯一“正确”地判断视觉图像质量 的方法就是通过主观评价。然而，实际情况是主观评价不方便、耗时长而且费用 昂贵【21。该方法需要组织观察者对失真图像进行评分，难以用数学模型表达加以 应用【3】。与之相反，客观评价方法借助电子设备完成，可给出基于数值算法的结 果，具有可重复、易操作的特点，但并不能如实反映人的视觉系统所察觉景物的 实际效果[41。所以，一般应用中普遍采用客观评价方法来评价图像质量，而主观 评价方法则作为标尺用来验证客观评价方法的有效性。通常提到的图像质量评价 算法是指客观评价算法，其目标是获得与主观评价结果相一致的客观评价值掺J。 客观图像质量评价算法可以在图像处理应用中扮演一系列角色。首先，它可 以用来动态监视和调节图像质量。例如，网络数字视频服务器可以通过检查正在 传输中的视频的质量以达到控制和分配码流的目的。其次，它可以用来优化图像 处理系统的算法和参数设定过程。例如在视觉通信系统中，图像质量评价算法可 以帮助编码端优化设计预滤波过程和比特分配算法，以及解码端的优化重构、错 误掩蔽和后滤波过程。第三，它可以用来检测图像处理系统和图像处理算法的性 能。[2】 第一章绪论 根据对参考图像的依赖程度，客观评价算法又可分成三类：全参考模型算法 (FR，FullReference)、半参考模型算法(RR，ReducedReference)和无参考模 型算法(NR，NoReference)。全参考模型算法应用于带宽充足的环境，可以参 考源图像上所有像素点的信息；半参考模型算法应用于带宽受限的环境，只可以 参考源图像上的部分图像信息；无参考模型算法应用于带宽资源十分宝贵以致无 法获取源图像的环境，不可以参考源图像的任何信息【61。其中全参考模型算法是 研究时间最长、发展最成熟的部分。 本文更关注图像的清晰度，即一幅图像与已知图像或参考图像的相似情况， 因此，本文讨论的范畴仅限于全参考模型算法。 1．2人类视觉系统 视觉是人类认识自然、了解客观世界的重要手段，同时也是人类众多认知功 Visual 能的一个典型代表。人类视觉系纠7】(HVS，Human System)的概念，是 研究图像处理、视频处理和计算机视觉的专家为了方便研究和理解人类视觉规 律，针对人类视觉感知过程而提出的一种模型。一般认为，人类视觉系统由两大 组成部分：第一部分是光学成像系统，主要由眼睛实现；第二部分是视觉神经系 统，包括视网膜、外侧膝状体和视皮层等。首先，外界的光线通过眼睛在眼底视 网膜上形成物像，由视网膜感光细胞接收以后将光能转变成神经激励，然后经外 侧膝状体传入视皮层，最后由视皮层来认读和分析，从而使人认知到外界事物。 简而言之，人类视觉系统可以被理解为由大量神经细胞通过一定的连接而组成的 一个复杂的信息处理系统。 1．2．1人类视觉研究概况 许多世纪以来，科学家们对