CN107705286A - 一种彩色图像质量综合评价方法 - Google Patents
一种彩色图像质量综合评价方法 Download PDFInfo
- Publication number
- CN107705286A CN107705286A CN201710733673.1A CN201710733673A CN107705286A CN 107705286 A CN107705286 A CN 107705286A CN 201710733673 A CN201710733673 A CN 201710733673A CN 107705286 A CN107705286 A CN 107705286A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- image
- mtd
- evaluated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种彩色图像质量综合评价方法，首先输入待评价的彩色图像和对应的参考图像；将参考图像和待评价图像分别进行色彩空间变换，得到参考图像和待评价图像的亮度通道图和色度通道图，提取参考图像和待评价图像的色度通道图，计算色度相似性特征；提取参考图像和待评价图像的亮度通道图，使用log‑Gabor小波获得相位一致性相似特征；获取参考图像和待评价图像的位置显著性特征；通过位置显著性特征加权的标准差池化相位一致性相似性特征和色度相似性特征，获得待评价图像的质量。本发明充分考虑了人眼视觉***的不同特性，合理结合这三个方面，较好地评价彩色图像的质量。
Description
技术领域
本发明属于图像质量评价领域，尤其涉及一种基于相位一致性相似性、色度相似性和位置显著性的彩色图像质量综合评价方法。
背景技术
目前在图像质量评价领域主要采用的全参考图像质量评价方法是均方误差、峰值信噪比方法等，这些方法只考虑了参考图像与待评价图像逐个像素之间差异，没有考虑到人眼视觉***的特性。因此这些方法不能很好地反映图像的主观质量。
人眼视觉***具有对边缘结构信息敏感的特性；且相对于边缘区域，对于图像中央区域的失真感知更敏感；在彩色图像的不同色彩空间的差异性同样需要考虑。而现有的一些考虑人眼视觉特性的评价方法如结构相似度等缺少对这三类特性的综合评估。
发明内容
发明目的：为了解决现有技术存在的问题，从人眼视觉特性的角度出发，较好地反映图像的主观质量，本发明提供一种彩色图像质量综合评价方法。
技术方案：本发明提供的一种彩色图像质量综合评价方法，包括以下步骤：
(1)输入待评价的彩色图像和参考图像；
(2)将参考图像和待评价图像分别进行色彩空间变换，得到参考图像和待评价图像的亮度通道图和色度通道图，提取参考图像和待评价图像的色度通道图，计算色度相似性特征；
(3)提取参考图像和待评价图像的亮度通道图，使用log-Gabor小波获得相位一致性相似特征；
(4)根据参考图像、待评价图像的尺寸，利用位置显著性公式，获取参考图像和待评价图像的位置显著性特征；
(5)通过位置显著性特征加权的标准差池化相位一致性相似性特征和色度相似性特征，获得待评价图像的质量。
优选的，设x表示参考图像或待评价图像中的像素点，设步骤(3)中的相位一致性相似性特征为Spc(x)，设步骤(2)中的色度相似性特征为Sc(x)，设位置显著性特征为Sd(x)，所述步骤(5)具体包括：
(51)设总体相似性特征为SM(x)，联合Spc(x)和Sc(x)计算SM(x)：
SM(x)＝Spc(x)·Sc(x)
(52)利用位置显著性特征大小计算各点在后续池化质量特征中的权重：
(53)设总体相似性质量值为SMD，通过位置显著性特征加权标准差池化相位一致性相似性和色度相似性特征，计算SMD来评价待评价图像质量：
其中，MM和NN分别为待评价图像的宽和高。
通过联合相位一致性与色度的相似性使得方法适应于图像结构与色彩信息的综合评价，提高评价方法的适用范围；此外，再结合位置显著性特征，提高评价方法的主观一致性。
优选的，所述步骤(2)计算色度相似性特征的具体方法包括：
(21)将参考图像和待评价图像分别进行色彩空间变换：
其中R、G、B分别表示彩色图像的红色、绿色和蓝色通道；L表示亮度通道，M、N表示色度通道；
(22)提取参考图像和待评价图像的M、N色度通道图，逐像素计算参考图像和待评价图像的色度相似性特征，计算公式为：
Sc(x)＝Scm(x)·Scn(x)
其中C1为正常数，M1(x)和M2(x)分别表示参考图像M色度通道灰度值和待评价图像M色度通道灰度值，N1(x)和N2(x)分别表示参考图像M色度通道灰度值和待评价图像N色度通道灰度值，Scm(x)为M色度通道相似性特征，Scn(x)为N色度通道相似性特征。
优选的，所述步骤(3)采用log-Gabor小波获得相位一致性相似特征的具体方法包括：
(31)利用二维的log-Gabor滤波器，计算参考图像和待评价图像L亮度通道图点x处在方向为θj和尺度为n下的偶对称滤波响应和奇对称滤波响应二维log-Gabor滤波器表达式为：
其中j表示第j个方向，J表示方向的数目，σθ用于确定滤波器角度的带宽；θ表示滤波器的方向角；ω代表滤波器的角频率；ω0表示二位log-Gabor滤波器的中心频率，k表示滤波器的形状参数，滤波器的形状由ω0与k决定。
(32)计算在方向为θj和尺度为n下的和幅值与方向为θj的响应局部能量
(33)综合各方向各尺度的响应，计算各点的相位一致性：
其中ε为正常数；
用相同的方法计算参考图像的亮度通道相位一致性特征PC1(x)和待评价图像的亮度通道相位一致性特征PC2(x)；
(34)逐像素计算参考图像与待评价图像L亮度通道图相位一致性相似特征：
其中，C2为正常数。
优选的，所述步骤(4)各点的位置显著性特征为：
其中，xc为特征图中心点；表示特征图x点与中心点的距离；σd 2为经验参数。
有益效果：本发明提供一种彩色图像质量综合评价方法，利用图像相位一致性的相似性评估人眼视觉***对于结构信息的感知特性；利用图像的位置显著性评估人眼视觉***对于空间位置的感知特性；利用图像的色度相似性评估彩色图像的色彩信息。方法充分考虑了人眼视觉***的不同特性，合理结合这三个方面，较好地评价彩色图像的质量。
附图说明
图1为本发明彩色图像质量综合评价方法的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示，一种彩色图像质量综合评价方法，包括以下步骤：
(1)输入待评价的彩色图像和参考图像；设x表示参考图像或待评价图像中的像素点。其中，参考图像是待评价的彩色图像的未受到到失真影响的“完美图像”(这个“未失真”目前没有统一的量化标准)，参考图像需要保证与待评价图像的尺寸及通道数一致。
(2)将参考图像和待评价图像分别进行色彩空间变换，得到参考图像和待评价图像的亮度通道图和色度通道图，提取参考图像和待评价图像的色度通道图，计算色度相似性特征；设色度相似性特征为Sc(x)，获得Sc(x)的方法如下：
(21)将参考图像和待评价图像分别进行色彩空间变换：
其中R、G、B分别表示彩色图像的红色、绿色和蓝色通道；L表示亮度通道，M、N表示色度通道；
(22)提取参考图像和待评价图像的M、N色度通道图，逐像素计算参考图像和待评价图像的色度相似性特征，计算公式为：
Sc(x)＝Scm(x)·Scn(x)
其中C1为正常数，M1(x)和M2(x)分别表示参考图像M色度通道灰度值和待评价图像M色度通道灰度值，N1(x)和N2(x)分别表示参考图像M色度通道灰度值和待评价图像N色度通道灰度值，Scm(x)为M色度通道相似性特征，Scn(x)为N色度通道相似性特征。
(3)提取参考图像和待评价图像的亮度通道图，使用log-Gabor小波获得相位一致性相似特征；设相位一致性相似性特征为Spc(x)，获得Spc(x)的方法如下：
(31)利用二维的log-Gabor滤波器，计算参考图像和待评价图像L亮度通道图点x处在方向为θj和尺度为n下的偶对称滤波响应和奇对称滤波响应二维log-Gabor滤波器表达式为：
其中j表示第j个方向，J表示方向的数目，σθ用于确定滤波器角度的带宽；θ表示滤波器的方向角；ω代表滤波器的角频率；ω0表示二位log-Gabor滤波器的中心频率，k表示滤波器的形状参数，滤波器的形状由ω0与k决定。
(32)计算在方向为θj和尺度为n下的和幅值与方向为θj的响应局部能量
(33)综合各方向各尺度的响应，计算各点的相位一致性：
其中ε为正常数；
用相同的方法计算参考图像的亮度通道相位一致性特征PC1(x)和待评价图像的亮度通道相位一致性特征PC2(x)；
(34)逐像素计算参考图像与待评价图像L亮度通道图相位一致性相似特征：
其中，C2为正常数。
(4)根据参考图像、待评价图像的尺寸，利用位置显著性公式，获取参考图像和待评价图像的位置显著性特征；设位置显著性特征为Sd(x)，获得Sd(x)的方法如下：
其中，xc为特征图中心点；表示特征图x点与中心点的距离；σd 2为经验参数。
(5)通过位置显著性特征加权的标准差池化相位一致性相似性特征和色度相似性特征，获得待评价图像的质量，具体包括：
(51)设总体相似性特征为SM(x)，联合Spc(x)和Sc(x)计算SM(x)：
SM(x)＝Spc(x)·Sc(x)
(52)利用位置显著性特征大小计算各点在后续池化质量特征中的权重：
(53)设总体相似性质量值为SMD，通过位置显著性特征加权标准差池化相位一致性相似性和色度相似性特征，计算SMD来评价待评价图像质量：
其中，MM和NN分别为待评价图像的宽和高。
对于步骤(51)，由于人类视觉上高辨识度的图像特征位置，如图像的边缘点位置，与那些频域系数相位全等的点位置保持了一致性，因此描述信号频域变换的各系数之间相位角一致特性的相位一致性特征能有效表征人眼对于图像结构信息的接受过程，但相位一致性无法提取彩色图像中的色彩信息，因此将相位一致性相似性和色度相似性联合，使得提取的质量特征能更为全面地衡量图像的结构和色彩信息。
对于步骤(52)，在得到参考图像和失真图像的相位一致性相似性与色度相似性联合特征图后，由于人眼视觉***对于图像区域中央区域的感知程度大于周围边缘区域，因此引入位置显著性特征图对步骤(51)得到的质量特征进行加权，使中央区域的质量特征相比于周围区域具有更大的比重，从而更加符合人眼视觉***的感知。
对于步骤(53)，通过池化加权后的质量特征，得到总体的评价值。通常的图像质量评价方法中采用的局部质量特征的池化方式是平均池化法，平均池化法在***部特征时，隐含了图像每个像素对于总体图像质量具有同样大小的重要性。由于同样程度的失真在不同图像区域导致的感知质量变化程度是存在差异的，如同样的模糊失真，在结构、纹理区域比平滑区域会引起更大的感知质量变化。标准差池化方法相比与平均池化方法更能反映图像失真程度的范围。
步骤(51)的方法通过联合相位一致性与色度的相似性使得方法适应于图像结构与色彩信息的综合评价，提高评价方法的适用范围；此外，再结合位置显著性特征，提高评价方法的主观一致性。
Claims (5)
1.一种彩色图像质量综合评价方法，其特征在于，包括以下步骤：
(1)输入待评价的彩色图像和参考图像；
(2)将参考图像和待评价图像分别进行色彩空间变换，得到参考图像和待评价图像的亮度通道图和色度通道图，提取参考图像和待评价图像的色度通道图，计算色度相似性特征；
(3)提取参考图像和待评价图像的亮度通道图，使用log-Gabor小波获得相位一致性相似特征；
(4)根据参考图像、待评价图像的尺寸，利用位置显著性公式，获取参考图像和待评价图像的位置显著性特征；
(5)通过位置显著性特征加权的标准差池化相位一致性相似性特征和色度相似性特征，获得待评价图像的质量。
2.根据权利要求1所述的彩色图像质量综合评价方法，其特征在于，设x表示参考图像或待评价图像中的像素点，设步骤(3)中的相位一致性相似性特征为Spc(x)，设步骤(2)中的色度相似性特征为Sc(x)，设位置显著性特征为Sd(x)，所述步骤(5)具体包括：
(51)设总体相似性特征为SM(x)，联合Spc(x)和Sc(x)计算SM(x)：
SM(x)＝Spc(x)·Sc(x)
(52)利用位置显著性特征大小计算各点在后续池化质量特征中的权重：
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>S</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>x</mi>
</munder>
<msub>
<mi>S</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
(53)设总体相似性质量值为SMD，通过位置显著性特征加权标准差池化相位一致性相似性和色度相似性特征，计算SMD来评价待评价图像质量：
<mrow>
<mover>
<mrow>
<mi>S</mi>
<mi>M</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>x</mi>
</munder>
<mi>S</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<mi>M</mi>
<mo>&CenterDot;</mo>
<mi>N</mi>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
<mrow>
<mi>S</mi>
<mi>M</mi>
<mi>D</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mi>M</mi>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>-</mo>
<mover>
<mrow>
<mi>S</mi>
<mi>M</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中，MM和NN分别为待评价图像的宽和高。
3.根据权利要求2所述的彩色图像质量综合评价方法，其特征在于，所述步骤(2)计算色度相似性特征的具体方法包括：
(21)将参考图像和待评价图像分别进行色彩空间变换：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>L</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>M</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>N</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>0.06</mn>
</mtd>
<mtd>
<mn>0.63</mn>
</mtd>
<mtd>
<mn>0.27</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.30</mn>
</mtd>
<mtd>
<mn>0.04</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>0.35</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.34</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>0.60</mn>
</mrow>
</mtd>
<mtd>
<mn>0.17</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>R</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>G</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>B</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中R、G、B分别表示彩色图像的红色、绿色和蓝色通道；L表示亮度通道，M、N表示色度通道；
(22)提取参考图像和待评价图像的M、N色度通道图，逐像素计算参考图像和待评价图像的色度相似性特征，计算公式为：
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>M</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>M</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>M</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>M</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>c</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>N</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>N</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>N</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
</mrow>
Sc(x)＝Scm(x)·Scn(x)
其中C1为正常数，M1(x)和M2(x)分别表示参考图像M色度通道灰度值和待评价图像M色度通道灰度值，N1(x)和N2(x)分别表示参考图像M色度通道灰度值和待评价图像N色度通道灰度值，Scm(x)为M色度通道相似性特征，Scn(x)为N色度通道相似性特征。
4.根据权利要求2或3所述的彩色图像质量综合评价方法，其特征在于，所述步骤(3)采用log-Gabor小波获得相位一致性相似特征的具体方法包括：
(31)利用二维的log-Gabor滤波器，计算参考图像和待评价图像L亮度通道图点x处在方向为θj和尺度为n下的偶对称滤波响应和奇对称滤波响应二维log-Gabor滤波器表达式为：
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>lg</mi>
<mo>(</mo>
<mfrac>
<mi>&omega;</mi>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>lg</mi>
<mo>(</mo>
<mfrac>
<mi>k</mi>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msubsup>
<mi>&sigma;</mi>
<mi>&theta;</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中j表示第j个方向，J表示方向的数目，σθ用于确定滤波器角度的带宽；θ表示滤波器的方向角；ω代表滤波器的角频率；ω0表示二位log-Gabor滤波器的中心频率，k表示滤波器的形状参数，滤波器的形状由ω0与k决定。
(32)计算在方向为θj和尺度为n下的和幅值与方向为θj的响应局部能量
<mrow>
<msub>
<mi>A</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<msub>
<mi>e</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msup>
<msub>
<mi>o</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mi>n</mi>
</munder>
<msub>
<mi>e</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mi>n</mi>
</munder>
<msub>
<mi>o</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
(33)综合各方向各尺度的响应，计算各点的相位一致性：
<mrow>
<mi>P</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>E</mi>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>n</mi>
</munder>
<msub>
<mi>A</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
</mfrac>
</mrow>
其中ε为正常数；
用相同的方法计算参考图像的亮度通道相位一致性特征PC1(x)和待评价图像的亮度通道相位一致性特征PC2(x)；
(34)逐像素计算参考图像与待评价图像L亮度通道图相位一致性相似特征：
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>p</mi>
<mi>c</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<msub>
<mi>PC</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>PC</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>PC</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>PC</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
</mrow>
其中，C2为正常数。
5.根据权利要求2或3所述的彩色图像质量综合评价方法，其特征在于，所述步骤(4)各点的位置显著性特征为：
<mrow>
<msub>
<mi>S</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>c</mi>
</msub>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mn>2</mn>
<mn>2</mn>
</msubsup>
</mrow>
<mrow>
<msup>
<msub>
<mi>&sigma;</mi>
<mi>d</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中，xc为特征图中心点；表示特征图x点与中心点的距离；σd 2为经验参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710733673.1A CN107705286A (zh) | 2017-08-23 | 2017-08-23 | 一种彩色图像质量综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710733673.1A CN107705286A (zh) | 2017-08-23 | 2017-08-23 | 一种彩色图像质量综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107705286A true CN107705286A (zh) | 2018-02-16 |
Family
ID=61171105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710733673.1A Pending CN107705286A (zh) | 2017-08-23 | 2017-08-23 | 一种彩色图像质量综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107705286A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109086740A (zh) * | 2018-08-25 | 2018-12-25 | 李叶 | 分级式渡口安检机构 |
| CN109191431A (zh) * | 2018-07-27 | 2019-01-11 | 天津大学 | 基于特征相似度的高动态彩色图像质量评价方法 |
| CN110084298A (zh) * | 2019-04-23 | 2019-08-02 | 北京百度网讯科技有限公司 | 用于检测图像相似度的方法及装置 |
| CN110276744A (zh) * | 2019-05-15 | 2019-09-24 | 北京航空航天大学 | 图像拼接质量的测评方法及装置 |
| CN110310269A (zh) * | 2019-06-27 | 2019-10-08 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
| CN110599551A (zh) * | 2018-06-12 | 2019-12-20 | 佳能株式会社 | 图像处理设备、图像处理方法和存储介质 |
| CN110807759A (zh) * | 2019-09-16 | 2020-02-18 | 幻想动力(上海)文化传播有限公司 | 照片质量的评价方法及装置、电子设备、可读存储介质 |
| CN111127437A (zh) * | 2019-12-25 | 2020-05-08 | 浙江传媒学院 | 一种基于色彩空间分解的全参考图像质量评价方法 |
| CN112348771A (zh) * | 2020-09-25 | 2021-02-09 | 深圳市运泰利自动化设备有限公司 | 一种基于小波变换的成像一致性评价方法 |
| CN112381761A (zh) * | 2020-10-12 | 2021-02-19 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
| CN113724179A (zh) * | 2020-05-15 | 2021-11-30 | 天津大学 | 一种空间亮度评价指标的计算方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354835A (zh) * | 2015-10-16 | 2016-02-24 | 浙江工业大学 | 结合相位一致性、梯度幅值和结构显著性的医学图像质量评价方法 |
| CN106504230A (zh) * | 2016-10-11 | 2017-03-15 | 华侨大学 | 基于相位一致性的全参考彩色屏幕图像质量评估方法 |
-
2017
- 2017-08-23 CN CN201710733673.1A patent/CN107705286A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354835A (zh) * | 2015-10-16 | 2016-02-24 | 浙江工业大学 | 结合相位一致性、梯度幅值和结构显著性的医学图像质量评价方法 |
| CN106504230A (zh) * | 2016-10-11 | 2017-03-15 | 华侨大学 | 基于相位一致性的全参考彩色屏幕图像质量评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHOU WANG ET AL.: "Information Content Weighting for Perceptual Image Quality Assessment", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 闫钧华 等: "基于显著性图像边缘的全参考图像质量评价", 《仪器仪表学报》 * |
| 陈仲珊: "基于视觉注意机制的图像显示质量研究", 《中国博士学位论文全文数据库》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599551A (zh) * | 2018-06-12 | 2019-12-20 | 佳能株式会社 | 图像处理设备、图像处理方法和存储介质 |
| CN110599551B (zh) * | 2018-06-12 | 2024-03-01 | 佳能株式会社 | 图像处理设备、图像处理方法和存储介质 |
| CN109191431A (zh) * | 2018-07-27 | 2019-01-11 | 天津大学 | 基于特征相似度的高动态彩色图像质量评价方法 |
| CN109086740A (zh) * | 2018-08-25 | 2018-12-25 | 李叶 | 分级式渡口安检机构 |
| CN110084298A (zh) * | 2019-04-23 | 2019-08-02 | 北京百度网讯科技有限公司 | 用于检测图像相似度的方法及装置 |
| CN110276744A (zh) * | 2019-05-15 | 2019-09-24 | 北京航空航天大学 | 图像拼接质量的测评方法及装置 |
| CN110276744B (zh) * | 2019-05-15 | 2021-10-26 | 北京航空航天大学 | 图像拼接质量的测评方法及装置 |
| CN110310269A (zh) * | 2019-06-27 | 2019-10-08 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
| CN110310269B (zh) * | 2019-06-27 | 2022-11-01 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
| CN110807759A (zh) * | 2019-09-16 | 2020-02-18 | 幻想动力(上海)文化传播有限公司 | 照片质量的评价方法及装置、电子设备、可读存储介质 |
| CN110807759B (zh) * | 2019-09-16 | 2022-09-06 | 上海甜里智能科技有限公司 | 照片质量的评价方法及装置、电子设备、可读存储介质 |
| CN111127437A (zh) * | 2019-12-25 | 2020-05-08 | 浙江传媒学院 | 一种基于色彩空间分解的全参考图像质量评价方法 |
| CN113724179A (zh) * | 2020-05-15 | 2021-11-30 | 天津大学 | 一种空间亮度评价指标的计算方法及装置 |
| CN113724179B (zh) * | 2020-05-15 | 2023-09-15 | 天津大学 | 一种空间亮度评价指标的计算方法及装置 |
| CN112348771A (zh) * | 2020-09-25 | 2021-02-09 | 深圳市运泰利自动化设备有限公司 | 一种基于小波变换的成像一致性评价方法 |
| CN112348771B (zh) * | 2020-09-25 | 2022-04-15 | 深圳市运泰利自动化设备有限公司 | 一种基于小波变换的成像一致性评价方法 |
| CN112381761B (zh) * | 2020-10-12 | 2022-09-30 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
| CN112381761A (zh) * | 2020-10-12 | 2021-02-19 | 华南理工大学 | 一种鲁棒的低光照增强图像质量评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107705286A (zh) | 一种彩色图像质量综合评价方法 | |
| CN100584047C (zh) | 面向无线网络的视频质量自动评测***及其评测方法 | |
| CN100559880C (zh) | 一种基于自适应st区的高清视频图像质量评价方法及装置 | |
| CN102867313B (zh) | 一种融合区域颜色和HoG特征的视觉显著性检测方法 | |
| CN110046673A (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
| CN101282481A (zh) | 一种基于人工神经网络的视频质量评价方法 | |
| CN102800111B (zh) | 基于颜色协调性的彩色融合图像颜色质量评价方法 | |
| CN109191428A (zh) | 基于掩蔽纹理特征的全参考型图像质量评价方法 | |
| CN106504230B (zh) | 基于相位一致性的全参考彩色屏幕图像质量评估方法 | |
| CN105046646A (zh) | 一种高光谱图像的色彩可视化的方法 | |
| CN103841410B (zh) | 基于图像特征信息的半参考视频QoE客观评估方法 | |
| CN109978854A (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
| CN106373096B (zh) | 一种多特征权值自适应的阴影消除方法 | |
| CN102982517A (zh) | 基于光谱与空间局部相关的遥感影像融合方法 | |
| CN105160647A (zh) | 一种全色多光谱影像融合方法 | |
| CN109255358A (zh) | 一种基于视觉显著性和深度图的3d图像质量评价方法 | |
| CN104616294A (zh) | 一种基于视觉显著性的色调映射图像质量评价方法 | |
| CN104268590A (zh) | 基于互补性组合特征与多相回归的盲图像质量评价方法 | |
| CN109191450A (zh) | 一种遥感图像融合质量评价方法 | |
| CN106683082B (zh) | 一种基于四元数的全参考彩色图像质量评价方法 | |
| CN107578399A (zh) | 基于边界特征分割的的全参考图像质量评价方法 | |
| CN105513060A (zh) | 一种视觉感知启发的高分辨率遥感图像分割方法 | |
| CN101901482B (zh) | 判断去雾增强图像质量效果的方法 | |
| CN107169946A (zh) | 基于非负稀疏矩阵与超球面彩色变换的图像融合方法 | |
| CN105844640A (zh) | 基于梯度的彩色图像质量评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |