CN101345891B - 基于信息熵和对比度的无参考图像质量评价方法 - Google Patents

Abstract

本发明公开一种基于信息熵和对比度的无参考图像质量评价方法，包括下列步骤：一、获取原始图像；二、将其变为灰度图像；三、计算原始图像的平均灰度和灰度谱连续带宽；四、确定灰度起始值Theta和灰度层次Delta的搜索范围；五、根据Theta和Delta值对图像进行Zadeh-X变换；六、计算变换后图像的平均对比度和信息熵并用其积构建无参考图像质量评价函数并计算其值；七、将Delta加1后返回到五；八、搜索完毕后求评价函数最大值及对应的delta及Theta值，据此二值对原始图像进行Zadeh-X变换就获得了最佳质量图像。本发明提供了最佳图像质量的判据，并由此判据获得最佳质量图像。

Description

基于信息熵和对比度的无参考图像质量评价方法

技术领域

本发明涉及图像处理领域，具体地讲，是一种基于信息熵和对比度的用于评价具有从0灰度起的下降型灰度谱分布的无参考图像质量的方法。

背景技术

图像质量的客观评价是计算机数字图像处理中重要又十分困难的问题，当今大量的研究和专利都是关于有参考图像质量评估，评价经过处理后图像的降质情况，而无参考图像质量评价(NR-IQA：no reference image quality assessment)则是计算机数字图像处理的最重要而又最困难的任务，它有如下三个方面的应用：(1)用于图像/视频监控***监控图像质量；(2)用于调整图像/视频处理***和算法；(3)用于嵌入图像/视频处理***以最佳化算法和参数设置。但是现在的无参考图像质量评价技术在于评价图像去噪后质量的改善，并未涉及最佳图像质量的判据。

发明内容

本发明的目的在于提供一种基于信息熵和对比度的无参考图像质量评价方法，提供获得最佳图像质量的判据。

为了实现上述目的，本发明的技术方案如下：一种基于信息熵和对比度的无参考图像质量评价方法，其关键在于按如下步骤进行：

(一)获取原始图像；

原始图像为数字图像，可以通过照相机、摄像机、监视器等获得。

(二)将原始图像转换为原始灰度图像；

如果原始图像本身为灰度图像，则不需要转换，如果原始图像本身为彩色图像，则需要将其转换为灰度图像，将彩色图像转换为灰度图像有两种方法：

第一种是采用归一化加权和公式将彩色图像转换为灰度图像：

O(x，y)＝R(x，y)×0.3+G(x，y)×0.59+B(x，y)×0.11

式中，R(x，y)、G(x，y)、B(x，y)分别为像素点(x，y)的红、绿、蓝三种色度值。O(x，y)为转换后对应点的灰度值。

第二种是采用等权转换公式进行转换：

O(x，y)＝R(x，y)/3+G(x，y)/3+B(x，y)/3

式中，R(x，y)、G(x，y)、B(x，y)分别为像素点(x，y)的红、绿、蓝三种色度值。O(x，y)为转换后对应点的灰度值。

(三)获得该原始灰度图像的灰度值O(x，y)信息，计算该原始灰度图像的平均灰度值

和灰度谱，并根据该灰度谱获得灰度谱连续带宽BW；

所述灰度谱连续带宽表示谱线连续分布的一段灰度范围，从灰度谱的第一根谱线开始搜索，一旦在某个灰度上无谱线，即在该灰度上无像素点存在，则停止搜索，这一段连续灰度谱的宽度即为带宽BW。

所述灰度谱按下式获得：

$T\left(g\right)=\frac{O^{1/m}\left(g\right)}{\underset{g=0}{\overset{255}{\mathrm{\Σ}}}{O}^{1/m}\left(g\right)}\underset{g=0}{\overset{255}{\mathrm{\Σ}}}O\left(g\right)$

式中，m为平坦化级，取[1，∞)之间的整数。相关理论见中国发明专利“用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法”(专利号：ZL200610054324.9)。

(四)确定灰度起始值Theta和搜索范围；并将搜索范围的起点赋值给灰度范围Delta；

(五)根据所述灰度起始值Theta、灰度范围Delta以及原始灰度图像的灰度值O(x，y)，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)；

所述Zadeh-X变换方法采用下式计算：

$T(x,y)=K\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}$

其中，(x，y)为图像中各像素点的坐标，O(x，y)的范围是[0，255]，T(x，y)的范围是[0，255]，Theta为整数，取值范围为[0，255]，Delta为正整数，取值范围为[1，255]，K表示伸缩因子，取值范围为[1，255]，为了使转换后的图像灰度分布更均匀，一般取K＝255。

当O(x，y)＜Theta时，T(x，y)＝0；当O(x，y)＞(Theta+Delta)时，T(x，y)＝255。相关理论见中国发明专利“底层图像隐藏和挖掘方法及采用该方法的图像隐藏和挖掘装置”(专利号：ZL200610054379.X)。

(六)根据获得的变换后的结果像素灰度值T(x，y)，计算该结果像素灰度值对应的平均对比度和信息熵InEn；；

(七)根据平均对比度

和信息熵InEn，获得评价函数的值IQAF，所述评价函数为：

$\mathrm{IQAF}=\stackrel{\‾}{C}\×\mathrm{InEn}$

(八)对Delta加1，再返回到步骤(五)，直到搜索范围的终点；

(九)搜索完毕后，找出最大的IQAF以及该IQAF对应的Delta值，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)，该值构成的图像即为最佳质量图像。

这就是说，最佳图像质量的判据为IQAF的最大值，根据最大IQAF值对应的Delta值，再结合Theta，和原始图像的灰度值O(x，y)，用Zadeh-X变换方法就可以得到最佳质量的图像。

在所述步骤(四)中，所述灰度起始值Theta为灰度谱连续带的起点灰度值，搜索范围的起点为原始灰度图像的平均灰度值

终点为

本发明用于评估具有从0灰度起的下降型灰度谱分布的图像，所以Theta一般取0值。并且在实际搜索中发现，最大值一般在

前出现，故搜索范围的终点设为

可以节约搜索时间。

所述灰度图像的平均灰度值由下式获得：

$\stackrel{\‾}{G}=\frac{1}{M\×N}\stackrel{N-1}{\mathrm{\Σ}}\stackrel{M-1}{\mathrm{\Σ}}\mathrm{Gray}(x,y)$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。由于Delta为正整数，因此如果计算出平均灰度值

和

为小数，则采用四舍五入的方式，将它们调整为整数后赋值给Delta。

在所述步骤(六)中，所述平均对比度由下式获得：

$\stackrel{\‾}{C}=\frac{1}{(M-1)\×(N-1)}\stackrel{N-2}{\mathrm{\Σ}}\stackrel{M-2}{\mathrm{\Σ}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。

在所述步骤(六)中，所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\stackrel{255}{\mathrm{\Σ}}p\left(i\right){\mathrm{Log}}_{2}p\left(i\right)$

式中，p(i)表示灰度级i的像素的概率。

有益效果：本发明提出了一种基于信息熵和对比度的无参考图像质量评价方法，用于评价具有从0灰度起的下降型灰度谱分布的图像，采用信息熵和对比度的乘积为评价函数，并搜索该评价函数最大值，该最大值对应最佳质量的图像，提供了最佳图像质量的判据，根据该评价函数最大值对应的参数，获得最佳质量的图像。

附图说明

图1是本发明的工作流程示意图；

图2是原始图像；

图3是图像质量对比图，其中a)为图2所示的原始图像，b)为IQAF最大值对应的图像，c)为另一IQAF值对应的图像。

具体实施方式

下面结合附图和实施例进一步对本发明加以说明。

如图1所示：一种基于信息熵和对比度的无参考图像质量评价方法，按如下步骤进行：

(一)获取原始图像；

原始图像为数字图像，可以通过照相机、摄像机、监视器等获得。如图2所示：原始图像为在低照明条件下拍摄的一幅灰度照片。

(二)将原始图像转换为原始灰度图像；

如图2所示，原始图像本身为灰度图像，不需要进行转换。但是如果原始图像为彩色图像，则需要将其转换为灰度图像，将彩色图像转换为灰度图像有两种方法：

第一种是采用归一化加权和公式进行转换：

O(x，y)＝R(x，y)×0.3+G(x，y)×0.59+B(x，y)×0.11

式中，R(x，y)、G(x，y)、B(x，y)分别为像素点(x，y)的红、绿、蓝三种色度值。O(x，y)为转换后对应点的灰度值。

第二种是采用等权转换公式进行转换：

O(x，y)＝R(x，y)/3+G(x，y)/3+B(x，y)/3

式中，R(x，y)、G(x，y)、B(x，y)分别为像素点(x，y)的红、绿、蓝三种色度值。O(x，y)为转换后对应点的灰度值。

(三)获得该原始灰度图像的灰度值O(x，y)信息，计算该原始灰度图像的平均灰度值和灰度谱，并根据该灰度谱获得灰度谱连续带宽BW；

所述灰度图像的平均灰度值由下式获得：

$\stackrel{\‾}{G}=\frac{1}{M\×N}\stackrel{N-1}{\mathrm{\Σ}}\stackrel{M-1}{\mathrm{\Σ}}\mathrm{Gray}(x,y)$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。图2中所示图像的平均灰度值

为4.7758，四舍五入后为5。

所述灰度谱连续带宽表示谱线连续分布的一段灰度范围，从灰度谱的第一根谱线开始搜索，一旦在某个灰度上无谱线，即在该灰度上无像素点存在，则停止搜索，这一段连续灰度的宽度即为带宽BW。

所述灰度谱按下式获得：

$T\left(g\right)=\frac{O^{1/m}\left(g\right)}{\underset{g=0}{\overset{255}{\mathrm{\Σ}}}{O}^{1/m}\left(g\right)}\underset{g=0}{\overset{255}{\mathrm{\Σ}}}O\left(g\right)$

式中，m为平坦化级，取[1，∞)之间的整数。相关理论见中国发明专利“用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法”(专利号：ZL200610054324.9)。该灰度谱计算方法具有一个像素的精度，按照上式计算出图2中图像灰度谱的连续带宽BW＝66。

(四)确定灰度起始值Theta和Delta的搜索范围；所述灰度起始值Theta为灰度谱连续带的起点灰度值，Delta搜索范围的起点为原始灰度图像的平均灰度值

终点为

本发明用于评价具有从0灰度起的下降型灰度谱分布的图像，所以Theta一般取0值。并且在实际搜索中发现，最大值一般在

前出现，故搜索范围的终点设为

可以节约搜索时间。

在本实施例中，搜索范围的起点为5，终点为13。

(五)根据所述灰度起始值Theta、灰度范围Delta以及原始灰度图像的灰度值O(x，y)，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)；

所述Zadeh-X变换方法采用下式计算：

$T(x,y)=K\frac{O(x,y)-\mathrm{Theta}}{\mathrm{Delta}}$

其中，(x，y)为图像中各像素点的坐标，O(x，y)的范围是[0，255]，T(x，y)的范围是[0，255]，Theta∈[0，255]，Delta∈[1，255]，K表示伸缩因子，取值范围为[，255]，为了使转换后的图像灰度分布更均匀，一般取K＝255。

当O(x，y)＜Theta时，T(x，y)＝0；当O(x，y)＞(Theta+Delta)时，T(x，y)＝255。

(六)根据获得的变换后的结果像素灰度值T(x，y)，计算该结果像素灰度值对应的平均对比度

和信息熵InEn；；

所述平均对比度

由下式获得：

$\stackrel{\‾}{C}=\frac{1}{(M-1)\×(N-1)}\stackrel{N-2}{\mathrm{\Σ}}\stackrel{M-2}{\mathrm{\Σ}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。

所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\stackrel{255}{\mathrm{\Σ}}p\left(i\right){\mathrm{Log}}_{2}p\left(i\right)$

(七)根据平均对比度和信息熵InEn，获得评价函数的值IQAF，所述评价函数为：

$\mathrm{IQAF}=\stackrel{\‾}{C}\×\mathrm{InEn}$

(八)对灰度范围Delta加1，再返回到步骤(五)，直到搜索范围的终点；

(九)搜索完后，找出最大的IQAF以及该IQAF对应的Delta值，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)，此像素灰度值T(x，y)构成的图像即为最佳质量图像。

下表显示了按照delta的搜索范围，逐一搜索得到的评价函数值：

如图3所示：图中，a)为图2所示的原始图像，b)为IQAF最大值即Delta＝8时对应的图像，c)为Delta＝2时对应的图像。我们可以看出，IQAF最大值对应的图像质量最佳，并且该图的平均灰度值

在128附近。

Claims (5)

1.一种基于信息熵和对比度的无参考图像质量评价方法，其特征在于按如下步骤进行：

(一)获取原始图像；

(二)将原始图像转换为原始灰度图像；

(三)获得该原始灰度图像的灰度值O(x，y)信息，计算该原始灰度图像的平均灰度值

和灰度谱，并根据该灰度谱获得灰度谱连续带宽BW；

(四)确定灰度起始值Theta和灰度层次Delta的搜索范围；

(五)根据所述灰度起始值Theta、灰度层次Delta以及原始灰度图像的灰度值O(x，y)，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)；

(六)根据获得的变换后的结果像素灰度值T(x，y)，计算该结果像素灰度值对应的平均对比度

和信息熵InEn；

(七)根据平均对比度

和信息熵InEn，获得评价函数的值IQAF，所述评价函数为：

$\mathrm{IQAF}=\stackrel{\‾}{C}\×\mathrm{InEn}$

(八)对灰度层次Delta加1，再返回到步骤(五)，直到搜索终点；

(九)搜索完毕后，找出最大的IQAF以及该IQAF对应的Delta值，用Zadeh-X变换方法对原始灰度图像进行变换，获得一组变换后的结果像素灰度值T(x，y)，该结果像素灰度值T(x，y)构成的图像即为最佳质量图像。

2.根据权利要求1所述基于信息熵和对比度的无参考图像质量评价方法，其特征在于：在所述步骤(四)中，所述灰度起始值Theta为灰度谱连续带的起点灰度值，灰度层次Delta搜索范围的起点为原始灰度图像的平均灰度值

终点为

3.根据权利要求2所述基于信息熵和对比度的无参考图像质量评价方法，其特征在于：所述灰度图像的平均灰度值

由下式获得：

$\stackrel{\‾}{G}=\frac{1}{M\×N}\stackrel{N-1}{\mathrm{\Σ}}\stackrel{M-1}{\mathrm{\Σ}}\mathrm{Gray}(x,y)$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。

4.根据权利要求1所述基于信息熵和对比度的无参考图像质量评价方法，其特征在于：在所述步骤(六)中，所述平均对比度

由下式获得：

$\stackrel{\‾}{C}=\frac{1}{(M-1)\×(N-1)}\stackrel{N-2}{\mathrm{\Σ}}\stackrel{M-2}{\mathrm{\Σ}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

式中，Gray(x，y)为像素点(x，y)的灰度，M、N为x、y方向的像素数。

5.根据权利要求1所述基于信息熵和对比度的无参考图像质量评价方法，其特征在于：在所述步骤(六)中，所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\stackrel{255}{\mathrm{\Σ}}p\left(i\right){\mathrm{Log}}_{2}p\left(i\right)$

式中，p(i)表示灰度谱中灰度级为i的像素的概率。

Images