多扭曲失真图像评价方法研究.docxVIP

多扭曲失真图像评价方法研究 1 原始图像信息依赖程度的评价方法 在大多数图像领域，评估测试后的图像质量需要。 根据对原始图像信息依赖程度,客观质量评价方法主要分为全参考、无参考和部分参考3种类型 目前客观质量评价方法中比较成熟的方法,大多是只针对某一种特定失真图像的评价算法 2 视觉感知质量 由于图像的边缘信息包含了图像的大部分视觉敏感特征,因此可通过提取图像的边缘信息来评价图像的视觉感知质量。提取图像的边缘信息的算子很多,如Canny算子、LoG算子、Sobel算子等,考虑到算法的计算复杂度等因素 若A 每个像素的梯度g(x,y)定义为: 选择一个合适的阈值t,如果g(x,y)t,则认为这个像素点为边缘点 3 图像的结构特征 图像的奇异值包含了图像的大部结构特征,图像矩阵进行奇异值分解以后,奇异值表现出来的即为图像的结构特征。当图像有轻微的几何扰动时,图像的结构特征基本不变。 图像的奇异值分解是图像矩阵对角化的过程,若图像矩阵A 其中:U 4 图像边缘信息的特点 从信息分布的角度分析,图像的结构特征与人眼视觉特性HVS(Human Visual System)不一致,因此图像的奇异值所表述的图像结构信息不能客观的反应图像的真实质量。由于人眼对图像的轮廓和边缘信息敏感 图像边缘信息奇异值分解的算法结构如图1所示,首先运用Sobel算子提取参考图像和失真图像的边缘信息,再分别对两图像的边缘信息进行奇异值分解,然后通过两图像边缘信息的奇异值夹角的大小来衡量失真图像的质量。两向量的夹角越小,表明两图像的相关程度越大,失真图像的视觉感知质量越好。 奇异值夹角定义 其中:s 5 实验 5.1 多失真图像数据库的质量评定 实验采用美国Texas大学图像和视频工程实验室提供的多失真图像数据库 由于客观评分与主观评分存在非线性关系,为了衡量客观评价,需将客观评价结果进行非线性补偿,本文采用高斯函数对客观评价结果进行补偿,即: 其中:a 5.2 主观评价标准的确定 本文用来比较的客观评价方法有全参考型MSE、PSNR、SSIM方法和部分参考型CSSIM方法。计算数据库中450 张失真图像客观测度MSE、PSNR、SSIM、CSSIM、EQSVD的客观成绩,并用式5将客观评分非线性映射到主观评分中,使用以下3个评价标准对客观预测和主观评价的一致程度进行评估。 (1)非线性回归下的客观评分与主观差异评分DMOS的均方误差均值(RMSE,Root Mean Square Error),如式6。 (2)非线性回归下的客观评分与主观差异评分DMOS的相关系数(CC,Correlation Coeffi-cient),如式(7)。 (3)非线性回归下的客观评分与主观差异评分DMOS的绝对误差均值(MAE,Mean Abso-lute Error),如式(8)。 式(6~8)中,x 5.3 实验结果比较 首先对数据库中450张失真图像进行测试,将本文算法EQSVD与MSE、PSN、SSIM、CSSIM方法进行比较 从图2 的高斯非线性拟合结果可以看出,EQSVD方法的散点图最为集中,非线性拟合效果明显好于其他3种全参考评价方法。 从图3 的非线性拟合结果也可以看到,EQSVD散点图要比CSSIM方法散点图集中,非线性拟合结果也优于部分参考质量评价CSSIM方法。 为更精确分析所提算法性能,实验也采取RMSE、CC和MAE等3个评价标准比较了上述几种评价方法的效果,结果见表1。 从表1 中数据可看出,EQSVD所对应的绝对误差均值MAE和均方根误差均值RMSE明显小于其他评价方法,EQSVD所对应的相关系数CC最大。因此,表1 各指标说明了EQSVD算法不论与全参考评价方法MSE、PSNR、SSIM方法还是与部分参考评价方法CSSIM相比,与主观观测质量的一致性更好。 为验证本文算法的复杂度,本文设计了算法复杂度对比试验,实验中以数据库中一幅失真图像(1 280×720)为例,用于仿真的计算机CPU型号为Intel(R)Celeron(R)G550,工作频率为2.60GHz,RAM为4GHz。各种算法的运算时间比较结果见表2。 从表2 可看出,SSIM方法的速度最快,而CSSIM方法需要对轮廓波每个方向都进行SSIM运算,运算复杂程度最大,运行时间最长。本文设计的EQSVD方法运行时间优于CSSIM。 综合表1 和表2 指标,EQSVD方法性能比较其他方法更优越。 6 著及失真图像的相似程度分析 提出一种基于边缘信息奇异值分解的EQS-VD评价方法,通过Sobel算子对参考图像及失真图像的边缘信息进行奇异值分解,通过求其两图像的奇异值夹角分析两图像的相似程度。通过对多扭曲失真标准图像的仿真实验表明,EQSVD方法比MSE、PSNR、SSIM、CSSIM等算法