CN101625759A - 图像质量评价方法 - Google Patents

Abstract

本发明公开一种图像质量评价方法，其特征在于按如下步骤进行：(一)选择灰度图像为被评价图像；(二)获取被评价图像的每个像素点的灰度值；(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；(四)建立灰度图像质量评价函数NCAF；(五)计算被评价图像的灰度图像质量评价函数NCAF的值。本发明能够不依赖参考图像，评价灰度图像质量的好坏，并且评价结果符合人类视觉主观认识结果，NCAF值越大，被评价图像的质量越好。

Description

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，是一种用于评价灰度质量的方法。

背景技术

图像质量评价是评价成像设备质量、成像设备监控以及图像的识别和分类的基础和决策的关键，具有重要的军事、安全和民用意义。目前在图像处理方面有很多种方法，如直方图均衡化、对比度拉伸等，需要比较经不同图像处理得到的图像质量，来选择质量较好的图像。

图像质量评价主要分为：全参考图像质量评价、无参考图像质量评价、精简参考图像质量评价。而目前图像质量评价的进展主要在灰度图像的全参考图像质量评价，并且主要评价图像经过处理后的降质情况，都需要对参考图像和被评价图像进行交叉计算，不利用大型图像的质量评价。

发明内容

本发明的目的在于提供一种图像质量评价方法，能够在不需要参考图像的情况下，评价灰度图像质量的好坏。

为了实现上述目的，本发明的技术方案如下：一种图像质量评价方法，其关键在于按如下步骤进行：

(一)选择灰度图像为被评价图像；

(二)获取被评价图像的每个像素点的灰度值；

(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；

所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}p\left(i\right){\mathrm{Log}}_{2}p\left(i\right)$

式中，p(i)表示被评价图像第i灰度级上像素数分布的概率，当p(i)＝0时，令Log₂p(i)＝0；

所述平均对比度AC由下式获得：

$\mathrm{AC}=\frac{1}{\sqrt{2}}\sqrt{{\mathrm{AC}}_x^2+{\mathrm{AC}}_y^2}$

其中，AC_x、AC_y分别表示被评价图像X、Y方向的平均对比度，AC_x、AC_y的计算公式分别为：

$A{C}_x=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

$A{C}_y=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

上两式中，Gray(x，y)为被评价图像像素点(x，y)的灰度，M、N为被评价图像在X、Y方向的像素数；

所述归一化灰度差NGD由下式获得：

$\mathrm{NGD}=\frac{\mathrm{AOG}-|\mathrm{AOG}-\mathrm{AG}|}{\mathrm{AOG}}$

上式中，|·|为绝对值算符，AOG表示人类视觉最佳平均灰度，根据理想均匀分布直方图算得其值为127.5；AG表示被评价图像平均灰度值，由下式计算：

$\mathrm{AG}=\frac{1}{M\×N}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{Gray}(x,y)$

上式中，Gray(x，y)为被评价图像像素点(x，y)的灰度值，M、N为被评价图像在X、Y方向的像素数；

所述被评价图像的关键区域为被评价图像中背景均匀区域，关键区域标准差SD_KR由下式获得：

${\mathrm{SD}}_{\mathrm{KR}}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

上式中，x_i表示关键区域像数点的灰度值，μ表示关键区域像素点灰度值的均值；

(四)建立灰度图像质量评价函数NCAF，所用公式为：

$\mathrm{NCAF}=\frac{{\mathrm{InEn}}^{\mathrm{\α}}{\mathrm{AC}}^{\mathrm{\β}}{\mathrm{NGD}}^{\mathrm{\γ}}}{1+{\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}}$

考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]；

不考虑被评价图像的噪声时，α＝1，β＝1，γ＝1， ${\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}=0;$

(五)计算被评价图像的灰度图像质量评价函数NCAF的值，NCAF值越大，被评价图像的质量越好。

本评价函数以人类视觉对图像的认知功能特征为基础，也可称为人类视觉图像质量评价的数学模型。首先，没有适当的光照度，就得不到质量好的图像，适当的景物照度反映在图像中就是适当的灰度。；其次，质量好的图像具有适当的灰度或色度信息，即与信息熵有关；第三，质量好的图像有适当的灰度或色度信息的适当的空间分布，即与对比度有关；第四，质量好的图像有尽量低的噪声水平，即与标准差有关。其中色度是对彩色图像而言。

灰度、信息熵、对比度、噪声可称为图像质量描述的四个基本、可客观测量的物理参数，即图像质量四参数。可以看到，前三个参数都是适当的，第四个参数噪声，是尽量低的。实践中发现，灰度图像质量评价函数NCAF值最大时，图像的质量最好。

图像噪声是图像灰度或色度值在均值附近的涨落。在心电信号中，我们在等电位线处观察噪声，而不是在变化剧烈的R波处去观察噪声，因此，要正确反映图像噪声，应选图像中的背景均匀区域来测量，即用图像关键区域噪声来评价整个图像的噪声，也就是说，关键区域图像灰度标准差是用来测量图像噪声的一个参数。图像关键区域的确定有两种方式：第一种，人工选定一个背景较均匀的区域作为图像关键区域；第二种，先定义图像关键区域的大小，然后在被评价图像中搜索与图像关键区域大小相同的区域的标准差，标准差最小的区域为图像关键区域。

考虑图像噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]，灰度图像质量评价函数变为：

$\mathrm{NCAF}=\frac{\mathrm{InEn}\×\mathrm{AC}\×\mathrm{NGD}}{1+{\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}}$

不考虑图像噪声时，α＝1，β＝1，γ＝1， ${\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}=0,$ 灰度图像质量评价函数NCAF变为：

                 NCAF＝InEn×AC×NGD

有益效果：能够根据人类视觉对图像的认知功能特征，利用图像质量四参数：灰度、信息熵、对比度、噪声建立灰度图像质量评价函数NCAF，来评价任意谱分布的灰度图像的质量。与现有的全参考图像质量评价相比，本评价函数有以下几个优点：不依赖于参考图像的互计算；有利于大型图像的质量评价；可以实现不同大小图像质量的比较；可评价参考图像本身的质量，不需对参考图像做出先验的假定。

附图说明

图1是本发明的流程示意图；

图2是实施例的源图像；

图3是图2经过不同灰度变化后得到的图像；

其中，图3(a)是图2经过对比度拉伸后得到的图像；图3(b)是图2经过灰度右移后得到的图像；图3(c)是图2加入高斯噪声后得到的图像；图3(d)是图2经过模糊处理后得到的图像。

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。

实施例：

如图1所示：一种图像质量评价方法，其特征在于按如下步骤进行：

(一)选择灰度图像为被评价图像；

(二)获取被评价图像的每个像素点的灰度值；

(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；

所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}p\left(i\right){\mathrm{Log}}_{2}p\left(i\right)$

式中，p(i)表示被评价图像第i灰度级上像素数分布的概率，当p(i)＝0时，令Log₂p(i)＝0；

所述平均对比度AC由下式获得：

$\mathrm{AC}=\frac{1}{\sqrt{2}}\sqrt{{\mathrm{AC}}_x^2+{\mathrm{AC}}_y^2}$

其中，AC_x、AC_y分别表示被评价图像X、Y方向的平均对比度，AC_x、AC_y的计算公式分别为：

$A{C}_x=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

$A{C}_y=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

上两式中，Gray(x，y)为被评价图像像素点(x，y)的灰度，M、N为被评价图像在X、Y方向的像素数；

所述归一化灰度差NGD由下式获得：

$\mathrm{NGD}=\frac{\mathrm{AOG}-|\mathrm{AOG}-\mathrm{AG}|}{\mathrm{AOG}}$

上式中，|·|为绝对值算符，AOG表示人类视觉最佳平均灰度，根据理想均匀分布直方图算得其值为127.5；AG表示被评价图像平均灰度值，由下式计算：

$\mathrm{AG}=\frac{1}{M\×N}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{Gray}(x,y)$

上式中，Gray(x，y)为被评价图像像素点(x，y)的灰度值，M、N为被评价图像在X、Y方向的像素数；

所述被评价图像的关键区域为被评价图像中背景均匀区域，关键区域标准差SD_KR由下式获得：

${\mathrm{SD}}_{\mathrm{KR}}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

上式中，x_i表示关键区域像数点的灰度值，μ表示关键区域像素点灰度值的均值；

(四)建立灰度图像质量评价函数NCAF，所用公式为：

$\mathrm{NCAF}=\frac{\mathrm{InEn}\×\mathrm{AC}\×\mathrm{NGD}}{1+{\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}}$

考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]；

不考虑被评价图像的噪声时，α＝1，β＝1，γ＝1， ${\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}=0;$

(五)计算被评价图像的灰度图像质量评价函数NCAF的值，NCAF值越大，被评价图像的质量越好。

本发明利用文献《现代图像质量评价》[Zhou Wang and Alan C.Bovik.ModernImage Quality Assessment.Morgan & Claypool Publishers.San Rafael，CA USA.2006.]中提供的爱因斯坦头像作为源图像，如图2所示，将图2所示的源图像进行不同的灰度变化后，得到一组变化后的灰度图像，如图3所示。将图2和图3所示的图像作为被评价图像，对它们进行质量评价。

当考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]，分别取η＝0.8、0.9、1.0时，计算被评价图像的质量评价函数NCAF值，结果如表1所示。

本实施例中，在被评价图像右边领子处，人工选择左上角坐标为(160，203)的10×16的小方块作为被评价图像的关键区域，图2和图3所示图像的关键区域的灰度标准差见表1的第五列。图2和图3所示图像的InEn值、AC值、AG值、NCAF值见表1所示。可以看出，图3(a)比图2有更高的对比度，图3(c)相比图2、图3(a)、图3(b)、图3(d)而言，有更多的噪声；图2、图3(a)、图3(b)、图3(c)相比图3(d)，视觉效果更好。

五幅被评价图像的NCAF值的排序见表1最后一列，可以看到，图3(a)的NCAF值最大，排序第一，表明它的质量最好，图3(d)的NCAF值最小，排序第五，表明它的质量最差。这也符合人类视觉的主观认识结果。

                                    表1

被评价图像	InEn	AC	AG	SDKR	NCAF(η＝0.8)	NCAF(η＝0.9)	NCAF(η＝1.0)	NCAF排序
									图2	7.2585	6.2641	116.2500	3.7976	10.6077	9.5892	8.6410	3
图3(a)	7.6563	8.8287	122.4045	3.5435	17.3447	15.7416	14.2827	1
									图3(b)	7.2501	6.1943	134.3198	3.5472	11.3243	10.3040	9.3480	2
图3(c)	7.4536	14.0477	116.6749	15.7127	9.5216	7.4082	5.7311	4
									图3(d)	6.9749	2.2773	116.4450	7.3875	2.4372	2.0582	1.7296	5

当不考虑被评价图像的噪声时，α＝1，β＝1，γ＝1， ${\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}=0,$ 灰度图像质量评价函数NCAF变为：

                   NCAF＝InEn×AC×NGD

对图2和图3(a)、图3(b)、图3(d)所示的被评价图像的InEn、AC、AG、NCAF和NCAF排序见表2。由于图3(c)是图2加入高斯噪声后的图像，因此在不考虑被评价图像的噪声时，图3(c)与图2的评价结果是一样的，因此在不考虑被评价图像的噪声，不对图3(c)做质量评价。

                                    表2

被评价图像	InEn	AC	AG	NCAF	NCAF排序
						图2	7.2585	6.2641	116.2500	41.4561	3
图3(a)	7.6563	8.8287	122.4045	64.8933	1
						图3(b)	7.2501	6.1943	134.3198	42.5070	2
图3(d)	6.9749	2.2773	116.4450	14.5069	4

从表2可以看到，在不考虑被评价图像的噪声时，图3(a)的NCAF值最大，质量最好，图3(d)的NCAF值最小，质量最差。这也符合人们对图2、图3(a)、图3(b)、图3(d)的视觉认识。

Claims (1)

1、一种图像质量评价方法，其特征在于按如下步骤进行：

(一)选择灰度图像为被评价图像；

(二)获取被评价图像的每个像素点的灰度值；

(三)计算被评价图像的信息熵InEn、平均对比度AC、归一化灰度差NGD和关键区域灰度标准差SD_KR；

所述信息熵InEn由下式获得：

$\mathrm{InEn}=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}p\left(i\right)\mathrm{Lo}{g}_{2}p\left(i\right)$

式中，p(i)表示被评价图像第i灰度级上像素数分布的概率，当p(i)＝0时，令Log₂p(i)＝0；

所述平均对比度AC由下式获得：

$\mathrm{AC}=\frac{1}{\sqrt{2}}\sqrt{{\mathrm{AC}}_x^2+{\mathrm{AC}}_y^2}$

其中，AC_x、AC_y分别表示被评价图像在X、Y方向的平均对比度，AC_x、AC_y的计算公式分别为：

${\mathrm{AC}}_x=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x+1,y)|$

${\mathrm{AC}}_y=\frac{1}{(M-1)\×(N-1)}\underset{y=0}{\overset{N-2}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-2}{\mathrm{\Σ}}}|\mathrm{Gray}(x,y)-\mathrm{Gray}(x,y+1)|$

上两式中，Gray(x，y)为被评价图像像素点(x，y)的灰度，M、N为被评价图像在X、Y方向的像素数；

所述归一化灰度差NGD由下式获得：

$\mathrm{NGD}=\frac{\mathrm{AOG}-|\mathrm{AOG}-\mathrm{AG}|}{\mathrm{AOG}}$

上式中，|·|为绝对值算符，AOG表示人类视觉最佳平均灰度；AG表示被评价图像平均灰度值，由下式计算：

$\mathrm{AG}=\frac{1}{M\×N}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{Gray}(x,y)$

上式中，Gray(x，y)为被评价图像像素点(x，y)的灰度值，M、N为被评价图像在X、Y方向的像素数；

所述被评价图像的关键区域为被评价图像中背景均匀区域，关键区域标准差SD_KR由下式获得：

${\mathrm{SD}}_{\mathrm{KR}}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

上式中，x_i表示关键区域像数点的灰度值，μ表示关键区域像素点灰度值的均值；

(四)建立灰度图像质量评价函数NCAF，所用公式为：

$\mathrm{NCAF}=\frac{\mathrm{InE}{n}^{\mathrm{\α}}{\mathrm{AC}}^{\mathrm{\β}}{\mathrm{NGD}}^{\mathrm{\γ}}}{1+{\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}}$

考虑被评价图像的噪声时，α＝1，β＝1，γ＝1，η∈[0.8，1.0]；

不考虑被评价图像的噪声时，α＝1，β＝1，γ＝1， ${\mathrm{SD}}_{\mathrm{KR}}^{\mathrm{\η}}=0;$

(五)计算被评价图像的灰度图像质量评价函数NCAF的值。

Images