基于視覺感知的梯度結(jié)構(gòu)相似度圖像質(zhì)量評價方法.pdf

1、圖像質(zhì)量是衡量圖像處理算法性能好壞以及優(yōu)化系統(tǒng)參數(shù)的重要依據(jù)，因此在圖像采集、編碼、傳輸?shù)阮I(lǐng)域構(gòu)建有效的圖像質(zhì)量評價方法具有重要意義。近年來，隨著圖像處理技術(shù)的快速發(fā)展，圖像質(zhì)量評價受到國內(nèi)外學(xué)者和企業(yè)界的廣泛關(guān)注，涌現(xiàn)出眾多的圖像質(zhì)量評價算法，典型模型有基于人類視覺系統(tǒng)的質(zhì)量評價模型和基于結(jié)構(gòu)相似度的質(zhì)量評價模型等。當(dāng)前聯(lián)合視頻組已經(jīng)將基于結(jié)構(gòu)相似度的質(zhì)量評價算法作為圖像質(zhì)量評價的重要指標(biāo)，引入到新一代視頻壓縮編碼標(biāo)準(zhǔn)H.264的校驗

2、模型中。
　　圖像質(zhì)量評價分為主觀和客觀兩種評價方法。其中，主觀評價方法需要對多個測試圖像進(jìn)行多次反復(fù)實驗，耗時長，成本高，可操作性差。而客觀評價方法則具有低成本、操作簡單和易于嵌入實現(xiàn)等優(yōu)點，成為當(dāng)前圖像質(zhì)量評價領(lǐng)域研究的重點。近年來基于人類視覺系統(tǒng)模型，提出了相關(guān)圖像質(zhì)量評價方法。結(jié)構(gòu)相似方法主要基于光照與物體結(jié)構(gòu)二者之間的獨立性，將亮度和對比度從圖像的結(jié)構(gòu)信息中分離開來，結(jié)合圖像的結(jié)構(gòu)信息對其進(jìn)行質(zhì)量評價。該方法在一定程度上

3、避開了圖像內(nèi)容的復(fù)雜性及多通道等問題，試圖從整體上模擬人類視覺系統(tǒng)在抽取對象結(jié)構(gòu)方面所表現(xiàn)出來的視覺功能與特性，且算法相對簡單，便于嵌入實現(xiàn)。
　　結(jié)構(gòu)相似算法雖然能客觀反映圖像結(jié)構(gòu)信息的變化，但是仍存在如下不足:首先，該算法僅關(guān)注圖像的結(jié)構(gòu)信息，而忽略了人類視覺系統(tǒng)的底層視覺特性，導(dǎo)致其在質(zhì)量評價時有時與差分主觀分?jǐn)?shù)不一致;其次，該算法建模過程簡單，沒有模擬人類視覺系統(tǒng)的高層視覺特性，從而在評價失真嚴(yán)重的模糊圖像時難以得到令人滿

4、意的效果。
　　針對上述問題，本文在結(jié)構(gòu)相似度質(zhì)量評價模型的基礎(chǔ)上，改進(jìn)了一種基于視覺感知梯度的結(jié)構(gòu)相似度圖像質(zhì)量評價模型(MG_SSIM)。主要研究工作和特色如下:
　　1) SSIM算法將重點放在圖像結(jié)構(gòu)信息的變化上，沒有考慮人類視覺系統(tǒng)的相關(guān)特性，導(dǎo)致有時評價不太準(zhǔn)確。所以，在SSIM算法基礎(chǔ)之上，利用圖像的誤差可視性和內(nèi)容可視性，對HVS的底層視覺特性進(jìn)行建模，構(gòu)造視覺感知函數(shù)，使評價效果更好的主觀感受保持一致;

5、r>　　2) SSIM算法是通過圖像像素之間的從屬關(guān)系來表征圖像的結(jié)構(gòu)信息，評價效果有時候與DMOS不一致。各向同性索貝爾算子的位置加權(quán)系數(shù)更加準(zhǔn)確，在不同方向上檢測邊沿時，各向同性索貝爾算子梯度的幅度表現(xiàn)得更加一致，表征梯度的效果較好。所以，本文利用梯度圖對結(jié)構(gòu)分量重新定義，代替原SSIM中的對比度分量和結(jié)構(gòu)分量，構(gòu)造基于梯度的結(jié)構(gòu)相似度模型，使評價效果更加準(zhǔn)確。
　　3)利用誤差可視性和內(nèi)容可視性構(gòu)造視覺感知函數(shù)，作為權(quán)值應(yīng)用

6、到相似度函數(shù)中，并利用各向同性索貝爾算子對圖像的結(jié)構(gòu)分量重新定義，在此基礎(chǔ)上，將二者綜合構(gòu)造新的結(jié)構(gòu)相似度函數(shù)MG_ SSIM。
　　4)本文利用PSNR、SSIM、MG_SSIM三種算法，對LIVE圖像庫中五種失真類型的圖像分別做實驗，將本文提出的算法MG_SSIM的實驗效果與其余兩種算法相比較，實驗結(jié)果表明，MG_SSIM模型比SSIM、PSNR更符合人眼的視覺特性，能更好的與DMOS保持一致，對受損嚴(yán)重的模糊圖像的評價也較S