JPH0415882A - Picture quality evaluation device - Google Patents

Picture quality evaluation device

Info

Publication number
JPH0415882A
JPH0415882A JP2119420A JP11942090A JPH0415882A JP H0415882 A JPH0415882 A JP H0415882A JP 2119420 A JP2119420 A JP 2119420A JP 11942090 A JP11942090 A JP 11942090A JP H0415882 A JPH0415882 A JP H0415882A
Authority
JP
Japan
Prior art keywords
evaluation
image data
section
unit
input
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
Application number
JP2119420A
Other languages
Japanese (ja)
Inventor
Koji Yamamoto
浩司 山本
〆木　泰治
Taiji Shimeki
Shigeo Sakagami
茂生 阪上
Toshiyuki Koda
敏行 香田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP2119420A priority Critical patent/JPH0415882A/en
Publication of JPH0415882A publication Critical patent/JPH0415882A/en
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

PURPOSE:To evaluate picture quality adjusted to subjective evaluation by extracting picture information where evaluation reference when a human body evaluates picture quality by means of plural filter processings is reflected and calculating an evaluation value based on the picture information. CONSTITUTION:Smoothing parts 3 and 4 which execute a smoothing processing by Gs (gauss) filters having respectively different variances, a differential processing part 5 which executes the spatial differentiation processing by a Laplacian filter as against an output from the smoothing parts, a differential calculation part 6 outputting the difference of differential processing outputs between original picture data 2 and evaluation picture data 1, and the difference between picture data 2 and evaluation picture data 1, and an evaluation part 7 evaluating picture quality based on the sum of the outputs are provided. Then, picture data to be evaluated is processed by plural Gs filters having different resolution and an outline form is extracted by the Laplacian filter. Thus, a signal/noise ratio as against picture data after the distortion of the outline form of an object constituting the picture is converted so that it is reflected is added as the evaluation value. Thus, picture quality evaluation adjusted to the subjective evaluation of the human body can be executed.

Description

【発明の詳細な説明】 産業上の利用分野 本発明は画像符号化や画像復元に使用される画質評価装
置に関するものである。DETAILED DESCRIPTION OF THE INVENTION Field of Industrial Application The present invention relates to an image quality evaluation device used for image encoding and image restoration.

従来の技術 従来の画質評価装置としてｃヨ　　例えば（０°Ｎｅａ
ｌ、Ｊ、Ｂ、、　　”ブレデ゛イクディ７゛　クオンタ
イシ゛ンク゛　システム　フォー　サ゛　トランスミフ
シ旬　オフ″′　テレビシ）ン　シクゝナルス″’　　
（Ｐｒｅｄｉｃｔｉｖｅ　　Ｑｕａｎｔｉｚｉｎｇ　　
Ｓｙｓｔｅｍｓ　　ｆｏｒ　　ｔｈｅ　　Ｔｒａｎｓｍ
ｉｓｓｉｏｎ　　ｏｆ　　Ｔｅ１ｅｖｉｔｉｏｎ　　Ｓ
ｉｇｎａｌｓ）、　へ９ル　（Ｂｅｌｌ）Ｓｙｓｔ、　
　Ｔｅｃｈ、　　Ｊ。Conventional technology As a conventional image quality evaluation device, for example, (0° Nea
L, J, B,, ``Broadcasting Di7 Quantity Synchronous System for Thirds Transmission Off'''
(Predictive Quantizing
Systems for the Transm
ission of Te1evition S
ignals), Bell Syst,
Tech, J.

４５、１９６６　）に示されていも 第７図はこの従来の画質評価装置のブロック図を示すも
のであり、２００１は評価画像デー久　２００２は原画
像デー久　２００３は差分算出ｉ　　２００４は評価部
であム 以上のように構成された従来の画質評価装置において（
戴　差分算出部２００３は評価画像データ２００１と原
画像データ２００２との各々対応する画素値の次式で表
される差分をとり、評価部２００４へ出力する。45, 1966), Fig. 7 shows a block diagram of this conventional image quality evaluation device, in which 2001 is the evaluation image data, 2002 is the original image data, 2003 is the difference calculation i, and 2004 is the evaluation unit. In the conventional image quality evaluation device configured as above (
The difference calculation unit 2003 calculates the difference between the corresponding pixel values of the evaluation image data 2001 and the original image data 2002, which is expressed by the following equation, and outputs it to the evaluation unit 2004.

５ｎ（ｘ、ｙ）−３ｏｒｇ（ｘ、ｙ）−３ｅｒｒ（ｘ、
ｙ）　　　・・・・（１）但り、　　５ｎ（ｘ、ｙ）は
差分算出部２００３の出力仇Ｓｏｒｇ（ｘ、ｙ）は原画
像データの座標（ｘ、　ｙ）における画素仇５ｅｒｒ（
ｘ、ｙ）は評価画像データの座標（ｘ、　ｙ）における
画素値 次に評価部２００４は次式に従って入力をもとに画質の
評価値を算出し　出力とする。5n(x,y)-3org(x,y)-3err(x,
y) ...(1) However, 5n(x, y) is the output of the difference calculation unit 2003, Sorg(x, y) is the pixel at the coordinates (x, y) of the original image data, 5err(
x, y) is the pixel value at the coordinates (x, y) of the evaluation image data.Next, the evaluation unit 2004 calculates an image quality evaluation value based on the input according to the following equation and outputs it.

ＳＮＲ＝１０１ｏｇ＋ｓ［（Ｓｐ本Ｍ）”／ΣＳｎ’（
ｘ、ｙ）］　　　　Ｉ　　Ｈ・　（２）但り、、　　Ｓ
ＮＲは画質の評価部　Ｓｐは画素値の最犬幕Ｍは評価画
像データおよび原画像データに含まれる画素改 発明が解決しようとする課題 しかしながら人間の主観評価においては評価が画像を構
成している物体の輪郭形状の歪に大きく依存するのに対
し　上記のような構成で（戴　画像を構成している物体
の輪郭形状の歪によらずに単なるシグナル／ノイズ比で
評価値が算出されるためへ　評価値の大小が人間の主観
評価と一致しないという課題を有してい九 本発明はかかる点に鑑へ　画質評価が人聞の主観評価と
一致する画質評価装置を提供することを目的とすも 課題を解決するための手段 第一の発明は　原画像データおよび評価画像データに対
して各々異なる分散を持つガウスフィルタで平滑化処理
を行う複数の平滑化部と、前記平滑化部からの出力に対
してラプラシアンフィルタで空間微分処理を行う微分処
理部と、前記微分処理部の前記原画像データに対する出
力と前記微分処理部の前記評価画像データに対する出力
との差分および前記画像データと前記評価画像データと
の差分を出力とする差分算出部と、前記差分算出部から
の出力の総和をもとに画質を評価する評価部とを備えた
画質評価装置である。SNR=101og+s[(Sp book M)"/ΣSn'(
x, y)] I H・ (2) However,, S
NR is the image quality evaluation section. Sp is the pixel value. M is the pixel included in the evaluation image data and original image data. The problem that the invention aims to solve. However, in human subjective evaluation, the evaluation constitutes the image. However, with the above configuration (Dai), the evaluation value is calculated simply based on the signal/noise ratio, regardless of the distortion of the contour shape of the object that makes up the image. In view of this problem, the present invention aims to provide an image quality evaluation device whose image quality evaluation matches the subjective evaluation of humans. Means for Solving the Problem The first invention includes a plurality of smoothing units that perform smoothing processing using Gaussian filters each having a different variance on original image data and evaluation image data, and an output from the smoothing unit. a differential processing section that performs spatial differential processing using a Laplacian filter on the differential processing section; a difference between an output of the differential processing section for the original image data and an output of the differential processing section for the evaluation image data; and a difference between the image data and the evaluation image. This image quality evaluation device includes a difference calculation section that outputs a difference with data, and an evaluation section that evaluates image quality based on the sum of outputs from the difference calculation section.

第二の発明は　原画像データおよび評価画像データに対
して各々異なる分散を持つガウスフィルタで平滑化処理
を行う複数の平滑化部と、前記平滑化部からの出力に対
してラプラシアンフィルタで空間微分処理を行う微分処
理部と、前記微分処理部の前記原画像データに対する出
力と前記微分処理部の前記評価画像データに対する出力
との差分および前記画像データと前記評価画像データと
の差分を出力とする差分算出部と、前記差分算出部から
入力を受けシグナル／ノイズ比を算出するＳＮ算出部と
、前記ＳＮ算出部からの出力をもとに画質を評価する評
価部とを備え　前記評価部は　層構造を持ち、　各層内
相互の結合がなく、上位層にのみ信号が伝搬するように
ネットワーク接続された複数の多入力−出力信号処理部
から成り、前記多入力−出力信号処理部Ｃよ　複数の重
み係数を保持するメモリと、複数のデータを入力する入
力部と、前記メモリに貯えられた重み係数で前記入力部
からの入力データを重み付けする乗算手段と、前記乗算
手段で重み付された複数のデータを多数加えあわせる加
算手段とを備える線形信号処理部である画質評価装置で
ある。The second invention includes a plurality of smoothing sections that perform smoothing processing on original image data and evaluation image data using Gaussian filters each having a different variance, and a Laplacian filter that performs spatial differentiation on the output from the smoothing sections. a differential processing section that performs processing, and outputs a difference between an output of the differential processing section for the original image data and an output of the differential processing section for the evaluation image data, and a difference between the image data and the evaluation image data. The evaluation section includes a difference calculation section, an SN calculation section that receives input from the difference calculation section and calculates a signal/noise ratio, and an evaluation section that evaluates image quality based on the output from the SN calculation section. It is composed of a plurality of multi-input-output signal processing units that are network-connected so that there is no mutual coupling within each layer and that signals propagate only to the upper layer, and from the multi-input-output signal processing unit C to a plurality of a memory that holds weighting coefficients, an input unit that inputs a plurality of data, a multiplication unit that weights input data from the input unit with the weighting coefficients stored in the memory, and a plurality of data that are weighted by the multiplication unit. This is an image quality evaluation device that is a linear signal processing section and includes an adding means for adding together a large number of data.

第三の発明は、　原画像データおよび評価画像データに
対して各々異なる分散を持つガウスフィルタで平滑化処
理を行う複数の平滑化部と、前記平滑化部からの出力に
対してラプラシアンフィルタで空間微分処理を行う微分
処理部と、前記微分処理部の前記原画像データに対する
出力と前記微分処理部の前記評価画像データに対する出
力との差分および前記画像データと前記評価画像データ
との差分を出力とする差分算出部と、前記差分算出部か
らの各画素ごとの差分値をもとに画質を評価する画素毎
評価部とを備え　前記画素毎評価部は層構造を持ち、　
各層内相互の結合かなく、上位層にのみ信号が伝搬する
ようにネットワーク接続された複数の多入力−出力信号
処理部から成り、前記多入力−出力信号処理部は　複数
の重み係数を保持するメモリと、複数のデータを入力す
る入力部と、前記メモリに貯えられた重み係数で前記入
力部からの入力データを重み付けする乗算手段と、前記
乗算手段で重み付された複数のデータを多数加えあわせ
る加算手段とを備える線形信号処理部である画質評価装
置である。A third invention includes a plurality of smoothing units that perform smoothing processing using Gaussian filters each having a different variance on original image data and evaluation image data, and a Laplacian filter that performs spatial smoothing processing on the output from the smoothing units. a differential processing section that performs differential processing; and outputting a difference between an output of the differential processing section for the original image data and an output of the differential processing section for the evaluation image data, and a difference between the image data and the evaluation image data. and a pixel-by-pixel evaluation unit that evaluates image quality based on the difference value for each pixel from the difference calculation unit, the pixel-by-pixel evaluation unit having a layered structure,
It consists of a plurality of multi-input-output signal processing units connected to a network so that signals propagate only to upper layers without mutual coupling within each layer, and the multi-input-output signal processing unit holds a plurality of weighting coefficients. a memory, an input section for inputting a plurality of data, a multiplication means for weighting the input data from the input section with a weighting coefficient stored in the memory, and adding a large number of the plurality of data weighted by the multiplication means. This is an image quality evaluation device that is a linear signal processing section that includes a matching adding means.

作用 第一の発明は前記した構成により、評価する画像データ
を異なる解像度を持つ複数のガウシアンフィルタで処理
した後、さらにラプラシアンフィルタで輪郭形状を抽出
することによって、画像を構成する物体の輪郭形状の歪
か反映されるように変換した後の画像データに対するシ
グナル／ノイズ比を評価値として加味するために　人間
の主観評価にあった画質評価が行える。Effects The first invention uses the above-described configuration to process the image data to be evaluated using a plurality of Gaussian filters with different resolutions, and then extracts the contour shape using a Laplacian filter. Since the signal/noise ratio of image data that has been converted to reflect distortion is taken into account as an evaluation value, it is possible to evaluate image quality in accordance with human subjective evaluation.

第二の発明は前記した構成により、評価する画像データ
を異なる解像度を持つ複数のガウシアンフィルタで処理
した後、　さらにラプラシアンフィルタで輪郭形状を抽
出することによって、画像を構成する物体の輪郭形状の
歪が反映されるように変換した後の画像データに対する
シグナル／ノイズ比を算出し　さらに各解像度ごとのシ
グナル／ノイズ比に対し人間の主観評価にあうように重
み付けすることによって得た評価値を加味することによ
り人聞の主観評価にあった画質評価が行える。The second invention uses the above-described configuration to process the image data to be evaluated using a plurality of Gaussian filters with different resolutions, and then extracts the contour shape using a Laplacian filter. The signal/noise ratio is calculated for the image data after conversion to reflect the image data, and the evaluation value obtained by weighting the signal/noise ratio for each resolution to match human subjective evaluation is added. This makes it possible to evaluate image quality in accordance with human subjective evaluation.

第三の発明は前記した構成により、評価する画像データ
を異なる解像度を持つ複数のガウシアンフィルタで処理
した後、さらにラプラシアンフィルタで輪郭形状を抽出
することによって、画像を構成する物体の輪郭形状の歪
が反映されるように変換した後の画像データについて各
解像度ごとに各々の画素における差分値を束数　その各
々の画素ごとの歪み情報に対して人間の主観評価にあう
ように重み付けすることによって画像データの空間的構
造の情報を有効に利用することができ、それによって得
た評価値を加味することにより人間の主観評価にあった
画質評価が行える。The third invention uses the above-described configuration to process the image data to be evaluated using a plurality of Gaussian filters with different resolutions, and then extracts the contour shape using a Laplacian filter, thereby reducing the distortion of the contour shape of the object constituting the image. After converting the image data so as to reflect Information on the spatial structure of data can be effectively used, and by taking into consideration the evaluation values obtained thereby, image quality evaluation that matches human subjective evaluation can be performed.

実施例 第１図は第一の発明の実施例における画質評価装置のブ
ロック図を示すものである。第１図において、　１は評
価画像デー久　２は原画像デー久３は第１平滑化眠　４
は第Ｎ平滑化部５は微分処理区　６は差分算出部　７は
評価部である。Embodiment FIG. 1 shows a block diagram of an image quality evaluation apparatus in an embodiment of the first invention. In Fig. 1, 1 is the evaluation image data, 2 is the original image data, 3 is the first smoothing data, and 4 is the original image data.
The Nth smoothing section 5 is a differential processing section, 6 is a difference calculation section, and 7 is an evaluation section.

以上のように構成された本実施例の画質評価装置につい
て、以下にその動作を説明する。評価画像データｌおよ
び原画像データ２は　第１平滑化部３および第Ｎ平滑化
部４に入力され　各々次式で示されるような平滑化処理
を受ける。The operation of the image quality evaluation apparatus of this embodiment configured as described above will be explained below. The evaluation image data 1 and the original image data 2 are input to the first smoothing section 3 and the Nth smoothing section 4, and are each subjected to smoothing processing as shown by the following equations.

ｈ（ｘ、ｙ）−１／（（２π）””　＋７　ｍ）ｅｘｐ
［−（ｘ２＋ｙ２）／（２σＮ２）］・　・　・　・　
（３） Ｇｍｅｒｒ（ｘ、ｙ）＝ＩＳ　５ｅｒｒ（ａ、ｂ）本Ｐ
Ｍ　（ｘ−ａ、ｙ−ｂ）ｄａｄｂＧｍｏｒｇ（ｘ、　ｙ
）−ｆＪ　Ｓｏｒｇ（ａ、　ｂ）本ｐＨ（ｘ−ａ、　ｙ
−ｂ）ｄａｄｂ・　・　　・（５） 但Ｌ　　ＰＨ（Ｘ、ｙ）は第Ｎ番目の平滑化部のガウス
フィルタの特性関数、　σＴ１２はｐｓ（ｘ、３’）の
分散、Ｇｗ’ｅｒｒ（ｘ、　ｙ）は評価画像データ１に
対する第Ｎ番目の平滑化部の出力仇ＧＩＩｏｒｇ（ｘ、
３１）は原画像データ２に対する第Ｎ番目の平滑化部の
出力籠 これらの平滑化処理によって分散σＩＩ２より十分に小
さい範囲内の濃淡情報は効果的に一掃されることになる
。したがって、　σ−３が大きな値を持つ第１平滑化部
３からσ−２が小さな値を持つ第Ｎ平滑化部４によって
画像のおおまかな構造から細かな構造の情報を別々に抽
出できも 次に平滑化処理した結果から輪郭形状の情報を抽出する
ために第１平滑化部３から第Ｎ平滑化部４の出力結果を
次式で表わされる空間的２次微分処理を行なう微分処理
部５に入力す４ Ｌｗｅｒｒ（ｘ、　ｙ） −〇　”Ｇｍｅｒｒ（ｘ、ｙ）／　ａ　ｘ”　　　十　
　ａ　”Ｇｘｅｒｒ（ｘ、ｙ）／　ａ　ｙ２・　・　・
　・　（６） Ｌ＋ｉ１ｏｒｇ（ｘ、　ｙ） ＝　　　＆”Ｇｘｏｒｇ（ｘ、ｙ）／ｃ？ｘ２　　＋　
　θ　２Ｇｘｏｒｇ（ｘ、ｙ）／　ａ　　ｙ”・　・　
・　・　（７） 但Ｌ　　Ｌｗｅｒｒ（ｘ、ｙ）は評価画像データ１に対
する第Ｎ番目の平滑化部の出力結果を入力とする微分処
理部５の出力　Ｉｗｏｒｇ（ｘ、ｙ）は原画像データ２
に対する第Ｎ番目の平滑化部の出力結果を入力とする微
分処理部５の出力 この空間的２次微分処理によって輪郭形状の情報が抽出
できる。h(x,y)-1/((2π)””+7 m)exp
[-(x2+y2)/(2σN2)]・・・・・
(3) Gmerr (x, y) = IS 5err (a, b) book P
M (x-a, y-b)dadbGmorg(x, y
)-fJ Sorg (a, b) Main pH (x-a, y
-b) dadb・・・・(5) However, L PH(X, y) is the characteristic function of the Gaussian filter of the Nth smoothing part, σT12 is the variance of ps(x, 3'), Gw'err(x , y) is the output of the N-th smoothing unit for evaluation image data 1, GIIorg(x,
31) is the output basket of the Nth smoothing unit for the original image data 2.Through these smoothing processes, the grayscale information within a range sufficiently smaller than the variance σII2 is effectively wiped out. Therefore, although information on the detailed structure of the image can be extracted separately from the rough structure of the image by the first smoothing section 3 having a large value of σ-3 to the N-th smoothing section 4 having a small value of σ-2, A differentiation processing section 5 performs spatial quadratic differentiation processing on the output results from the first smoothing section 3 to the Nth smoothing section 4 as expressed by the following equation in order to extract contour shape information from the smoothing processing results. Input 4 Lwerr(x, y) −〇 “Gmerr(x, y)/ a x” 10
a ”Gxerr(x, y)/a y2・・・
・ (6) L+i1org(x, y) = &”Gxorg(x, y)/c?x2 +
θ 2Gxorg(x, y)/a y”・・
・ ・ (7) However, L Lwerr (x, y) is the output of the differential processing unit 5 which inputs the output result of the Nth smoothing unit for evaluation image data 1 Iworg (x, y) is the original image data 2
The output of the differential processing unit 5 which receives as input the output result of the Nth smoothing unit for

次に同じ分散を持つ平滑化部の処理を受けた評価画像デ
ータ１に対する微分処理部５の出力結果と原画像データ
２に対する微分処理部５の出力結果は、　各々同じ差分
算出部６に入力され　差分算出部６は次式の値を計算し
評価部７へ出力する。Next, the output results of the differential processing unit 5 for the evaluation image data 1 and the output results of the differential processing unit 5 for the original image data 2, which have been processed by the smoothing unit with the same variance, are input to the same difference calculation unit 6. The difference calculation unit 6 calculates the value of the following equation and outputs it to the evaluation unit 7.

ｓｕｂｍ（ｘ、ｙ）−Ｌｓｏｒｇ（ｘ、ｙ）−Ｌｘｅｒ
ｒ（ｘ、ｙ）　争・・・・（８）但Ｌ　　ｓｕｂｗは各
差分算出部６の出力また差分算出部６のうちの１つは評
価画像データ１と原画像データ２から直接に入力を受け
て（１）式で表される５ｎ（ｘ、ｙ）を評価部７へ出力
すム評価部７は次式の値を計算し　評価画像データ１の
評価値として出力する。subm(x,y)-Lsorg(x,y)-Lxer
r (x, y)... (8) However, L subw is the output of each difference calculation unit 6, and one of the difference calculation units 6 receives input directly from evaluation image data 1 and original image data 2. In response, the evaluation unit 7 outputs 5n(x, y) expressed by equation (1) to the evaluation unit 7. The evaluation unit 7 calculates the value of the following equation and outputs it as the evaluation value of the evaluation image data 1.

・　・　　・　（９） 但Ｌ　　Ｓｐは画素値の最大ｉ　　ＮＮは差分算出部の
総数、Ｍは評価画像データおよび原画像データに含まれ
る画素改 結局（９）弐は　平滑化処理され　さらに微分処理部５
によって輪郭形状の情報を抽出された評価画像データｌ
と原画像データ２との間のシグナル／ノイズ比を各平滑
化の分散値ごとに求めた時のシグナル／ノイズ比の平均
を表していも以上のように本実施例によれば　原画像デ
ータおよび評価画像データに対して各々異なる分散を持
つガウスフィルタで平滑化処理を行う複数の平滑化部と
、前記平滑化部からの出力に対してラプラシアンフィル
タで空間微分処理を行う微分処理部を設けることにより
、画像を構成する物体の輪郭形状のおおまかな構造から
細かな構造の情報を別々に抽圧することができる。人間
の視覚情報の初期段階の処理機構である網膜においては
、　例えば（デビット・マー、′ビジョン”、乾敏部・
安藤広志訳、産業図書）に示されているように画像の明
暗情報が異なる分散で平滑化処理された後に空間的２次
微分処理されることが知られており、人間はこれらの処
理を受けた後の画像を構成する物体の輪郭形状のおおま
かな構造から細かな構造の情報を用いて画質評価してい
ると考えられる。・ ・ ・ (9) However, L Sp is the maximum i of the pixel value, NN is the total number of difference calculation units, M is the pixel change included in the evaluation image data and the original image data (9) 2 is smoothed and further differentiated Part 5
Evaluation image data l from which contour shape information has been extracted by
It represents the average of the signal/noise ratio when the signal/noise ratio between and the original image data 2 is calculated for each variance value of each smoothing.As described above, according to this embodiment, the original image data and A plurality of smoothing sections that perform smoothing processing on evaluation image data using Gaussian filters each having a different variance, and a differential processing section that performs spatial differentiation processing using a Laplacian filter on the output from the smoothing section. Accordingly, it is possible to separately extract information on the detailed structure from the rough structure of the contour shape of the object forming the image. For example, in the retina, which is the early stage processing mechanism for human visual information,
As shown in Hiroshi Ando (translated by Sangyo Tosho), it is known that the brightness information of an image is smoothed with different variances and then subjected to spatial second-order differential processing. It is thought that the image quality is evaluated using information from the rough structure to the detailed structure of the contour shape of the object that makes up the image.

本実施例はこのような網膜での処理と同様の処理を行っ
た後の輪郭形状の情報を用いてシグナル／ノイズ比を求
め評価値に加味しているために　人間の主観評価にあっ
た画質評価が行える。In this example, the signal/noise ratio is calculated using information on the contour shape after processing similar to the processing on the retina and is added to the evaluation value, so the image quality matches the human subjective evaluation. Can be evaluated.

第２図は第二の発明の実施例における画質評価装置のブ
ロック図を示すものである。第２図において、　ｌは評
価画像デー久　２は原画像デー久３は第１平滑化訊　４
は第１平滑化訊　５は微分処理区　６は差分算出部　８
はＳＮ算出へ　９は評価部である。FIG. 2 shows a block diagram of an image quality evaluation device in an embodiment of the second invention. In Figure 2, 1 is the evaluation image data, 2 is the original image data, 3 is the first smoothing data, and 4 is the original image data.
is the first smoothing section 5 is the differential processing section 6 is the difference calculation section 8
goes to SN calculation. 9 is an evaluation section.

以上のように構成された本実施例の画質評価装置につい
て、以下にその動作を説明すも　評価画像データ１およ
び原画像データ２ζよ　第１平滑化部３および’ＩＮ平
滑化部４に入力され　各々（３）、（４）、（５）式で
示されるような平滑化処理を受ける。The operation of the image quality evaluation apparatus of this embodiment configured as described above will be explained below. Each is subjected to smoothing processing as shown in equations (3), (4), and (5).

これらの平滑化処理によって分散σ１より十分に小さい
範囲内の濃淡情報は効果的に一掃されることになも　し
たがって、σ１が大きな値を持つ第１平滑化部３からσ
Ｈ２が小さな値を持つ第Ｎ平滑化部４によって画像のお
おまかな構造から細かな構造の情報を別々に抽出できも 次に平滑化処理した結果から輪郭形状の情報を抽出する
ために第１平滑化部３から第Ｎ平滑化部４の出力結果を
（６）、（７）式で表わされる空間的２次微分処理を行
なう微分処理部５へ出力すもこの空間的２次微分処理に
よって輪郭形状の情報が抽出できも 次に同じ分散を持つ平滑化部の処理を受けた評価画像デ
ータ１に対する微分処理部５の出力結果と原画像データ
２に対する微分処理部５の出力結果ζ友　各々同じ差分
算出部６に入力され　差分算出部６は（８）式で示され
るｓｕｂｗ（ｘ、ｙ）を計算しＳＮ算出部８へ出力する
。また差分算出部６のうちの１つは評価画像データ１と
原画像データ２から直接に入力を受けて（１）式で表さ
れる５ｎ（ｘ、ｙ＞をＳＮ算出部８へ出力すム ＳＮ算出部８は次式の値を計算し　評価部９へ出力すも 但Ｌ　　Ｓｐは画素値の最大ｉＭは評価画像データおよ
び原画像データに含まれる画素数、（１０）式は平滑化
処理を受けたデータの場合、（１１）式は評価画像デー
タ１と原画像データ２から直接に入力を受けた場合 第３図に評価部９の構成を示す。１００は多入力−出力
信号処理部であり、１０１は評価部９の入力部を表して
いる。ＳＮ算出部８で得られた複数個のシグナル／ノイ
ズ比は入力部１０１に割与えられることになる。評価部
９を構成する多入力−出力信号処理部１００の具体的な
構成を示すのが第４図である。By these smoothing processes, the grayscale information within a range sufficiently smaller than the variance σ1 is effectively wiped out.
Although the N-th smoothing unit 4 in which H2 has a small value can extract information on the fine structure from the rough structure of the image separately, the first smoothing unit 4 is used to extract contour shape information from the smoothing result. The output result of the Nth smoothing unit 4 is outputted from the smoothing unit 3 to the differential processing unit 5 which performs the spatial quadratic differential processing expressed by equations (6) and (7). Even if the shape information is extracted, the output result of the differential processing unit 5 for the evaluation image data 1 that has been processed by the smoothing unit with the same variance and the output result of the differential processing unit 5 for the original image data 2 are the same. The difference calculation unit 6 calculates subw (x, y) shown by equation (8) and outputs it to the SN calculation unit 8. One of the difference calculation units 6 receives input directly from the evaluation image data 1 and the original image data 2 and outputs 5n(x, y> expressed by equation (1) to the SN calculation unit 8. The SN calculation unit 8 calculates the value of the following formula and outputs it to the evaluation unit 9. Sp is the maximum pixel value iM is the number of pixels included in the evaluation image data and original image data, and formula (10) is the smoothing process. In the case of receiving data directly from evaluation image data 1 and original image data 2, equation (11) shows the configuration of the evaluation section 9 in Fig. 3. 100 is a multi-input/output signal processing section. 101 represents the input section of the evaluation section 9. A plurality of signal/noise ratios obtained by the SN calculation section 8 are assigned to the input section 101. FIG. 4 shows a specific configuration of the input-output signal processing section 100.

第４図において１００１は多入力−出力信号処理部１０
０の入力数１００２は入力部１００１からの複数入力を
重み付けする重み係数を格納するメモリ、１００３はメ
モリ１００２の重み係数と入力部１００１からの入力を
各々掛は合わせる乗算器１００５は加算器１００４の出
力を一定の範囲の値に制限するしきい値処理部である。In FIG. 4, 1001 is a multi-input/output signal processing unit 10.
0 input number 1002 is a memory that stores weighting coefficients for weighting multiple inputs from the input unit 1001; This is a threshold processing unit that limits the output to a certain range of values.

しきい値処理部１００５の入出力特性を第５図に示す。FIG. 5 shows the input/output characteristics of the threshold processing section 1005.

例えζ戴　出力を（０、１）の範囲に制限するしきい値
処理部１００５の入出力特性・はｆ（Ｉ）１／（１＋ｅ
ｘｐ［−Ｉ＋θ］）・・・・・（１２）と数式的に表現
できる。For example, the input/output characteristic of the threshold processing unit 1005 that limits the output to the range (0, 1) is f(I)1/(1+e
xp[-I+θ])...(12) It can be expressed mathematically.

但り、Ｉはしきい値処理部１００５の入力であも　な耘
しきい値処理部１００５の特性としては上記以外のしき
い値関数でも良（ｔ いま評価部９の入力部１０１に入力信号が入力されると
各多入力−出力信号処理部１００ζよ　接続されている
下層の多入力−出力信号処理部１００の出力とメモリ１
００２に記憶されているその結合度合を表す重み係数と
を乗算器１００３によって掛は合わせ、前記乗算器１０
０３の各々の出力の総和を加算器１００４で計算した後
、しきい値処理部１００５で変換しその値を上層の多入
力−出力信号処理部１００へ出力する。However, I is not an input to the threshold processing section 1005. However, given the characteristics of the threshold processing section 1005, a threshold function other than the above may be used. When input, each multi-input-output signal processing unit 100ζ outputs the connected lower multi-input-output signal processing unit 100 and the memory 1
The multiplier 1003 multiplies the weighting coefficient representing the degree of connection stored in the multiplier 1002.
After the adder 1004 calculates the sum of the respective outputs of 03, the threshold value processing section 1005 converts the sum and outputs the value to the multi-input/output signal processing section 100 in the upper layer.

つまり第４図に示す多入力−出力信号処理部は次式で示
される計算を行っている。In other words, the multi-input/output signal processing section shown in FIG. 4 performs calculations expressed by the following equation.

０ｉ＝ｆ（Σ　ω　ｉｊ零〇ｊ）　　　　　　　　　　
　　　　　　　・　・　・　・　・　（１３）但Ｌ　　
Ｏｉはｉ番目の多入力−出力信号処理部の出力〇ｊは入
力部１０１への入力値あるいは下層のｊ番目の多入力−
出力信号処理部の出力　ωｉｊはメモリ１００２に格納
されているｉ番目の多入力−出力信号処理部と下層のｊ
番目の多入力−出力信号処理部との間の重み係改 以上のように構成した評価部９においてはメモリ１００
２に格納されている重み係数を適当な値に設定すること
によって人間の主観と一致した評価値を算出することが
できる。0i=f(Σ ω ij zero〇j)
・ ・ ・ ・ ・ (13) However, L
Oi is the output of the i-th multi-input-output signal processing section; j is the input value to the input section 101 or the j-th multi-input of the lower layer;
The output ωij of the output signal processing unit is the i-th multi-input-output signal processing unit stored in the memory 1002 and the lower layer j
In the evaluation section 9 configured as above, the memory 100
By setting the weighting coefficients stored in 2 to appropriate values, it is possible to calculate an evaluation value that matches human subjectivity.

ではどのようにしてこの重み係数を決定するのかという
問題である力（これはｒ最初は任意の重み係数にしてお
き、次に既に主観評価の値がわかっている評価画像を入
力した時にその評価値と一致する値を評価部９が出力す
るように徐々に重み係数を変化させていくという学習を
繰り返す」ということによって解決できる。Then, the problem is how to determine this weighting coefficient (this is first set to an arbitrary weighting coefficient, and then when an evaluation image whose subjective evaluation value is already known is input, the evaluation This can be solved by repeating learning in which the weighting coefficient is gradually changed so that the evaluation unit 9 outputs a value that matches the value.

このような学習アルゴリズムには　例えばへ゛フク７°
ロへ°ケ９−シ菖ン　（Ｂａｃｋ−Ｐｒｏｐａｇａｔｉ
ｏｎ）（Ｄ、　　Ｅ、　　ルメルへ−ト（Ｒｕｍｅｌｈ
ａｒｔ）、　　Ｇ、　　Ｅ、　　ヒント７　　（Ｈｉｎ
ｔｏｎ）　　及び　Ｒ，Ｊ。For example, this kind of learning algorithm is
Back-Propagati
on) (D, E, Rumelh
art), G, E, Hint 7 (Hin
ton) and R,J.

ウィリアムスゝ　（Ｗｉｌｌｉａｍｓ）、　　”ラーニ
ングゝ　リブリセ９ンテーシ這ンス′　ハ′イ　へ′ツ
クープロへ＠ｒ−ティンク’ｘラース’（Ｌｅａｒｎｉ
ｎｇ　　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　　ｂｙ　　
Ｂａｃｋ−Ｐｒｏｐａｇａｔｉｎｇ　　Ｅｒｒｏｒｓ）
、　　’ネイチャー（Ｎａｔｕｒｅ）、　　ｖｏｌ、３
２３．　　ｐｐ、５３３−５３６．　　Ｏｃｔ、　　９
．　１９８６））がある。数学的な証明は参考文献に譲
る力丈　いま人間による主観評価値が既知である評価画
像データに対する前記評価部９の実際の出力値をＯＵ’
ｂ（主観評価値を教師信号Ｔｋと呼ぶことにするとまず
次式で表される誤差Ｅを計算する。Williams, ``Learning''
ng Representations by
Back-Propagating Errors)
, 'Nature, vol. 3
23. pp, 533-536. Oct, 9
．． 1986)). The mathematical proof is left to the reference literature.Currently, the actual output value of the evaluation unit 9 for the evaluation image data for which the subjective evaluation value by humans is known is OU'
b (If the subjective evaluation value is called the teacher signal Tk, first calculate the error E expressed by the following equation.

Ｅ＝０．５（Ｔｋ−ＯＵＴｋ）２　　　　　　　　　・
・・・・（１４）ここで添字には例えば　異なる統計的
性質を持つ画像の種類（周波数成分の違い等）を表して
おり、学習が終了した時にはこれらの画像の種類によら
ず望ましい出力が得られる。E=0.5(Tk-OUTk)2 ・
...(14) Here, the subscript represents, for example, the type of images with different statistical properties (differences in frequency components, etc.), and when learning is completed, the desired output will be obtained regardless of the type of these images. can get.

誤差Ｅの値によって現在の重み係数の大きさでの前記評
価部９の出力が主観評価値とどれ位一致しているかが決
定される。次にこのように計算されるＥを用いて重み係
数ωｉｊの変更量△ω１ｊが次式に基づいて決定され　
重み係数が更新される。The value of the error E determines how much the output of the evaluation section 9 matches the subjective evaluation value at the current weighting coefficient. Next, using E calculated in this way, the amount of change △ω1j of the weighting coefficient ωij is determined based on the following formula.
Weighting factors are updated.

△ω１ｊ−ｔθＥ／ａωｉｊ・・・・・（１５）ここで
、　εは学習レートと呼ばれる正の定数であも　以上の
ように重み係数の更新を繰り返すことにより誤差Ｅが十
分小さくなると、前記評価部９の出力値が主観評価値に
十分近くなったものとして学習を終了する。△ω1j - tθE/aωij...(15) Here, ε is a positive constant called the learning rate. When the error E becomes sufficiently small by repeating the updating of the weighting coefficients as described above, the above evaluation The learning is terminated assuming that the output value of the unit 9 has become sufficiently close to the subjective evaluation value.

このようにして学習が終了した評価部９ば　画像を構成
する物体の輪郭形状のおおまかな構造から細かな構造に
おける輪郭形状のシグナル／ノイズ比に対して人間が画
像の評価を行う際の評価基準が反映されるように重み付
けて評価することができも 以上のように本実施例によれば　原画像データおよび評
価画像データに対して各々異なる分散を持つガウスフィ
ルタで平滑化処理を行う複数の平滑化部と、前記平滑化
部からの出力に対してラプラシアンフィルタで空間微分
処理を行う微分処理部によって画像を構成する物体の輪
郭形状のおおまかな構造から細かな構造の情報を別々に
抽出でき、さらに各々の場合におけるシグナル／ノイズ
比を算出するＳＮ算出部と、前記ＳＮ算出部からの出力
をもとに画質を評価する評価部とを備え　前記評価部ｊ
−ｉ　　層構造を持ぢ　各層内相互の結合がなく、上位
層にのみ信号が伝搬するようにネットワーク接続された
複数の多入力−出力信号処理部から成り、前記多入力−
出力信号処理部は　複数の重み係数を保持するメモリと
、複数のデータを入力する入力部と、前記メモリに貯え
られた重み係数で前記入力部からの入力データを重み付
けする乗算手段と、前記乗算手段で重み付された複数の
データを多数加えあわせる加算手段とを備える線形信号
処理部を設けることにより、各々のシグナル／ノイズ比
に対して人間が画像の評価を行う際の評価基準が反映さ
れるように重み付けて評価することができるために　よ
り人間の主観評価にあった画質評価が行える。The evaluation unit 9, which has completed the learning in this way, is an evaluation standard when humans evaluate images based on the signal/noise ratio of the contour shape from the rough structure to the fine structure of the contour shape of the object constituting the image. As described above, according to this embodiment, multiple smoothing processes are performed in which the original image data and the evaluation image data are smoothed using Gaussian filters each having a different variance. information on the fine structure can be extracted separately from the rough structure of the contour shape of the object forming the image by the smoothing section and the differentiation processing section that performs spatial differentiation processing using a Laplacian filter on the output from the smoothing section, Furthermore, it includes an SN calculation section that calculates the signal/noise ratio in each case, and an evaluation section that evaluates the image quality based on the output from the SN calculation section.
- has an i-layer structure, and consists of a plurality of multi-input-output signal processing units network-connected so that there is no mutual coupling within each layer and signals propagate only to upper layers;
The output signal processing unit includes a memory that holds a plurality of weighting coefficients, an input unit that inputs a plurality of data, a multiplication unit that weights input data from the input unit with the weighting coefficients stored in the memory, and a multiplication unit that weights input data from the input unit with the weighting coefficients stored in the memory. By providing a linear signal processing section with an addition means that adds together a large number of multiple pieces of data weighted by means, the evaluation criteria used when humans evaluate images is reflected in each signal/noise ratio. Since the image quality can be weighted and evaluated in a manner that is more in line with human subjective evaluation, it is possible to perform image quality evaluations that are more in line with human subjective evaluation.

第６図は本発明の第三の発明の実施例における画質評価
装置のブロック図を示すものである。第２図において、
　■は評価画像デー久　２は原画像デー久　３は第１平
滑化訊　４は第Ｎ平滑化部５は微分処理部　６は差分算
出皿　１０は画素毎評価部である。FIG. 6 shows a block diagram of an image quality evaluation device according to a third embodiment of the present invention. In Figure 2,
2 is an evaluation image data base; 2 is an original image data base; 3 is a first smoothing unit; 4 is an Nth smoothing unit; 5 is a differential processing unit; 6 is a difference calculation unit; 10 is a pixel-by-pixel evaluation unit.

以上のように構成された本実施例の画質評価装置につい
て、以下にその動作を説明する。評価画像データ１およ
び原画像データ２は、　第１平滑化部３および第Ｎ平滑
化部４に入力され　各々（３）、（４）、（５）式で示
されるような平滑化処理を受ける。The operation of the image quality evaluation apparatus of this embodiment configured as described above will be explained below. The evaluation image data 1 and the original image data 2 are input to the first smoothing section 3 and the Nth smoothing section 4, and are subjected to smoothing processing as shown in equations (3), (4), and (5), respectively. .

これらの平滑化処理によって分散σＮ２より十分に小さ
い範囲内の濃淡情報は効果的に一掃されることになる。By these smoothing processes, the grayscale information within a range sufficiently smaller than the variance σN2 is effectively wiped out.

したがって、　σＨ２が大きな値を持つ第１平滑化部３
からσＮ２が小さな値を持つ第Ｎ平滑化部４によって画
像のおおまかな構造から細かな構造の情報を別々に抽出
できる。Therefore, the first smoothing unit 3 where σH2 has a large value
The Nth smoothing unit 4 having a small value of σN2 can separately extract information on the rough structure and the detailed structure of the image.

次に平滑化処理した結果から輪郭形状の情報を抽出する
ために第１平滑化部３から第Ｎ平滑化部４の出力結果を
（６）、（７）式で表わされる空間的２次微分処理を行
なう微分処理部５へ出力する。Next, in order to extract contour shape information from the smoothing results, the output results from the first smoothing section 3 to the Nth smoothing section 4 are subjected to spatial quadratic differentiation expressed by equations (6) and (7). It is output to the differential processing section 5 which performs processing.

この空間的２次微分処理によって輪郭形状の情報が抽出
できる。Information on the contour shape can be extracted by this spatial second-order differential processing.

次に同じ分散を持つ平滑化部の処理を受けた評価画像デ
ータ１に対する微分処理部５の出力結果と原画像データ
２に対する微分処理部５の出力結果は、　各々同じ差分
算出部６に入力され　差分算出部６は（８）式で示され
る５ｕｂｓ　（ｘ、　ｙ’）を計算し画素毎評価部１０
へ出力する。また差分算出部６のうちの１つは評価画像
データ１と原画像データ２から直接に入力を受けて（１
）式で表される５ｎ（ｘ、　ｙ）を画素毎評価部１０へ
出力する。Next, the output results of the differential processing unit 5 for the evaluation image data 1 and the output results of the differential processing unit 5 for the original image data 2, which have been processed by the smoothing unit with the same variance, are input to the same difference calculation unit 6. The difference calculation unit 6 calculates 5ubs (x, y') shown by equation (8), and the pixel-by-pixel evaluation unit 10
Output to. Also, one of the difference calculation units 6 receives input directly from the evaluation image data 1 and the original image data 2 (1
) is output to the pixel-by-pixel evaluation unit 10.

画素毎評価部１０の構成は既に上記で述べた第３図のも
のと同じであるか各々の差分算出部６で得られた画素ご
との差分値が入力部１０１に割与えられることになも　
また画素毎評価部１０を構成する多入力−出力信号処理
部１００も既に上記で述べた第４図のものと同じである
。Is the configuration of the pixel-by-pixel evaluation unit 10 already the same as that shown in FIG. 3 described above?
Further, the multi-input/output signal processing section 100 constituting the pixel-by-pixel evaluation section 10 is also the same as that shown in FIG. 4 already described above.

以上のように構成した画素毎評価部１０においてはメモ
リ１００２に格納されている重み係数を適当な値に設定
することによって人間の主観と一致した評価値を算出す
ることができる。またどのようにしてこの重み係数を決
定するのかという問題である力丈　これは既に上記で述
べたように（１４）式で表される誤差Ｅが十分小さくな
るように（１５）式で表される重み係数の変更量に基づ
いて重み係数を更新するＢａｃｋ−Ｐｒｏｐａｇａｔｉ
ｏｎアルゴリズムで繰り返し学習させることによって解
決される。In the pixel-by-pixel evaluation unit 10 configured as described above, by setting the weighting coefficients stored in the memory 1002 to appropriate values, it is possible to calculate evaluation values that match human subjectivity. The problem of how to determine this weighting coefficient is the strength, which is expressed by equation (15) in such a way that the error E expressed by equation (14) is sufficiently small, as mentioned above. Back-Propagati updates the weighting coefficient based on the amount of change in the weighting coefficient.
This problem can be solved by repeatedly learning the on algorithm.

このようにして学習が終了した画素毎評価部１０（友　
画像を構成する物体の輪郭形状のおおまかな構造から細
かな構造における輪郭形状の情報に対して画素ごとに人
間が画像の評価を行う際の評価基準が反映されるように
重み付けるのでより有効に画像データの空間的構造の情
報を利用でき、より人間の主観評価に近い評価ができる
。The pixel-by-pixel evaluation unit 10 (friend
It is more effective because it weights information on the outline shape of the object that makes up the image, from the rough structure to the detailed structure, to reflect the evaluation criteria used when humans evaluate images for each pixel. Information on the spatial structure of image data can be used, making it possible to perform evaluations closer to human subjective evaluations.

以上のように本実施例によれは　原画像データおよび評
価画像データに対して各々異なる分散を持つガウスフィ
ルタで平滑化処理を行う複数の平滑化部と、前記平滑化
部からの出力に対してラプラシアンフィルタで空間微分
処理を行う微分処理部によって画像を構成する物体の輪
郭形状のおおまかな構造から細かな構造の情報を別々に
抽出でき、さらに各々の場合の各画素ごとの差分値をも
とに画質を評価する画素毎評価部とを備え　前記画素毎
評価部は　層構造を持ぢ　各層内相互の結合がなく、上
位層にのみ信号が伝搬するようにネットワーク接続され
た複数の多入力−出力信号処理部から成り、前記多入力
−出力信号処理部は複数の重み係数を保持するメモリと
、複数のデータを入力する入力部と、前記メモリに貯え
られた重み係数で前記入力部からの入力データを重み付
けする乗算手段と、前記乗算手段で重み付された複数の
データを多数加えあわせる加算手段とを備える線形信号
処理部を設けることにより、各々の輪郭形状の歪の情報
を画素ごとに重み付けるので画像データの空間的構造の
情報を有効に利用することができ、より人間の主観評価
にあった画質評価が行える。As described above, this embodiment has a plurality of smoothing sections that perform smoothing processing using Gaussian filters each having a different variance on the original image data and evaluation image data, and on the output from the smoothing section. A differential processing unit that performs spatial differential processing using a Laplacian filter can separately extract information on the detailed structure from the rough structure of the contour shape of the object that makes up the image, and furthermore, based on the difference value for each pixel in each case. and a pixel-by-pixel evaluation unit that evaluates image quality, and the pixel-by-pixel evaluation unit has a layered structure. A plurality of multi-inputs are network-connected so that there is no mutual coupling within each layer and signals are propagated only to the upper layer. The multi-input-output signal processing section includes a memory that holds a plurality of weighting coefficients, an input section that inputs a plurality of data, and a signal processing section that processes data from the input section using the weighting coefficients stored in the memory. By providing a linear signal processing unit that includes a multiplication unit that weights input data and an addition unit that adds together a plurality of pieces of data that have been weighted by the multiplication unit, information on distortion of each contour shape can be obtained for each pixel. Since weighting is applied, information on the spatial structure of the image data can be effectively used, and image quality evaluation that is more in line with human subjective evaluation can be performed.

発明の効果 本発明によれば　複数のフィルタ処理によって人間が画
質評価を行う際の評価基準が反映されるような画像情報
を抽出し　それに基づいて評価値を算出するために人間
の主観評価にあった画質評価が行うことができ、その実
用的効果は犬きｌ、％Effects of the Invention According to the present invention, image information that reflects the evaluation criteria used when humans evaluate image quality is extracted through a plurality of filter processes, and an evaluation value is calculated based on the image information, which is compatible with human subjective evaluation. image quality evaluation can be carried out, and its practical effect is almost 1%.

【図面の簡単な説明】[Brief explanation of drawings]

第１図は本発明の第一の発明における実施例の画質評価
装置のブロック図　第２図は本発明の第二の発明におけ
る実施例の画質評価装置のブロック図　第３図は第２図
における評価部９の構成医第４図は第３図における多入
力−出力信号処理部１００の構成医　第５図は第４図に
おけるしきい値処理部１００５の特性の説明＠　第６図
は本発明の第三の発明における実施例の画質評価装置の
ブロックは　第７図は従来例のブロック図である。 １．２００１・・・評価画像データ。２．２００２・・
原画像データ。３・・・第１平滑化糺　４・・第１平滑
化糺　５・・・微分処理昆　６．２００３・・・差分算
出糺　７、９・・・評価ｉａ　８・・ＳＮ算出ａ　　１
０・・・画素毎評価虱１００・・・多入力−出力信号処
理糺１０１．１００１・・・入力乱１００２・・・メモ
１几　１００３・・・乗算器　１００４・・加算Ｋ　　
１００５・・・しきい値処理糺代理人の氏名　弁理士　
粟野重孝　はか１名第 図 工刀 第 図 第 図 出方 第 図 第 図 峠FIG. 1 is a block diagram of an image quality evaluation device according to an embodiment of the first invention of the present invention. FIG. 2 is a block diagram of an image quality evaluation device of an embodiment according to the second invention of the present invention. Figure 4 shows the components of the evaluation unit 9. Figure 4 shows the components of the multi-input/output signal processing unit 100 in Figure 3. Figure 5 shows the characteristics of the threshold processing unit 1005 in Figure 4. Figure 6 shows the invention. The blocks of the image quality evaluation apparatus according to the embodiment of the third invention are as follows: FIG. 7 is a block diagram of a conventional example. 1.2001...Evaluation image data. 2.2002...
Original image data. 3...First smoothing 4...First smoothing 5...Differential processing 6.2003...Difference calculation 7, 9...Evaluation ia 8...SN calculation a 1
0...Evaluation for each pixel 100...Multi-input-output signal processing 101.1001...Input disturbance 1002...1 memo 1003...Multiplier 1004...Addition K
1005...Name of threshold processing agent Patent attorney
Shigetaka Awano Haka1 person 1st Zukoto 3rd direction

Claims (3)

【特許請求の範囲】[Claims] （１）原画像データおよび評価画像データに対して各々
異なる分散を持つガウスフィルタで平滑化処理を行う複
数の平滑化部と、前記平滑化部からの出力に対してラプ
ラシアンフィルタで空間微分処理を行う微分処理部と、
前記微分処理部の前記原画像データに対する出力と前記
微分処理部の前記評価画像データに対する出力との差分
および前記画像データと前記評価画像データとの差分を
出力とする差分総和算出部と、前記差分総和算出部から
の出力の総和をもとに画質を評価する評価部とを備える
ことを特徴とする画質評価装置。(1) A plurality of smoothing sections that perform smoothing processing using Gaussian filters each having a different variance on the original image data and evaluation image data, and a spatial differentiation processing using a Laplacian filter on the output from the smoothing section. A differential processing section that performs
a difference total calculation unit that outputs a difference between an output of the differential processing unit for the original image data and an output of the differential processing unit for the evaluation image data, and a difference between the image data and the evaluation image data; An image quality evaluation device comprising: an evaluation section that evaluates image quality based on the sum total of outputs from the sum calculation section. （２）原画像データおよび評価画像データに対して各々
異なる分散を持つガウスフィルタで平滑化処理を行う複
数の平滑化部と、前記平滑化部からの出力に対してラプ
ラシアンフィルタで空間微分処理を行う微分処理部と、
前記微分処理部の前記原画像データに対する出力と前記
微分処理部の前記評価画像データに対する出力との差分
および前記画像データと前記評価画像データとの差分を
出力とする差分算出部と、前記差分算出部から入力を受
けシグナル／ノイズ比を算出するＳＮ算出部と、前記Ｓ
Ｎ算出部からの出力をもとに画質を評価する評価部とを
備え、前記評価部は、層構造を持ち、各層内相互の結合
がなく、上位層にのみ信号が伝搬するようにネットワー
ク接続された複数の多入力−出力信号処理部から成り、
前記多入力−出力信号処理部は、複数の重み係数を保持
するメモリと、複数のデータを入力する入力部と、前記
メモリに貯えられた重み係数で前記入力部からの入力デ
ータを重み付けする乗算手段と、前記乗算手段で重み付
された複数のデータを多数加えあわせる加算手段とを備
える線形信号処理部であることを特徴とする画質評価装
置(2) A plurality of smoothing sections that perform smoothing processing using Gaussian filters each having a different variance on the original image data and evaluation image data, and spatial differential processing using a Laplacian filter on the output from the smoothing section. A differential processing section that performs
a difference calculation unit that outputs a difference between an output of the differentiation processing unit for the original image data and an output of the differentiation processing unit for the evaluation image data, and a difference between the image data and the evaluation image data; and the difference calculation unit. an SN calculating section that receives input from the S section and calculates a signal/noise ratio;
and an evaluation section that evaluates image quality based on the output from the N calculation section, and the evaluation section has a layered structure and is connected to a network so that there is no mutual coupling within each layer and signals are propagated only to upper layers. It consists of multiple multi-input-output signal processing units,
The multi-input/output signal processing unit includes a memory that holds a plurality of weighting coefficients, an input unit that inputs a plurality of data, and a multiplication unit that weights input data from the input unit with the weighting coefficients stored in the memory. and an addition means for adding together a plurality of data weighted by the multiplication means, the image quality evaluation device being a linear signal processing unit. （３）原画像データおよび評価画像データに対して各々
異なる分散を持つガウスフィルタで平滑化処理を行う複
数の平滑化部と、前記平滑化部からの出力に対してラプ
ラシアンフィルタで空間微分処理を行う微分処理部と、
前記微分処理部の前記原画像データに対する出力と前記
微分処理部の前記評価画像データに対する出力との差分
および前記画像データと前記評価画像データとの差分を
出力とする差分算出部と、前記差分算出部からの各画素
ごとの差分値をもとに画質を評価する画素毎評価部とを
備え、前記画素毎評価部は、層構造を持ち、各層内相互
の結合がなく、上位層にのみ信号が伝搬するようにネッ
トワーク接続された複数の多入力−出力信号処理部から
成り、前記多入力−出力信号処理部は、複数の重み係数
を保持するメモリと、複数のデータを入力する入力部と
、前記メモリに貯えられた重み係数で前記入力部からの
入力データを重み付けする乗算手段と、前記乗算手段で
重み付された複数のデータを多数加えあわせる加算手段
とを備える線形信号処理部であることを特徴とする画質
評価装置。(3) A plurality of smoothing sections that perform smoothing processing using Gaussian filters each having a different variance on the original image data and evaluation image data, and spatial differential processing using a Laplacian filter on the output from the smoothing section. A differential processing section that performs
a difference calculation unit that outputs a difference between an output of the differentiation processing unit for the original image data and an output of the differentiation processing unit for the evaluation image data, and a difference between the image data and the evaluation image data; and the difference calculation unit. and a pixel-by-pixel evaluation section that evaluates the image quality based on the difference value for each pixel from the pixel-by-pixel evaluation section. The multi-input-output signal processing section is composed of a plurality of multi-input-output signal processing sections connected to a network so that the signal propagates, and the multi-input-output signal processing section includes a memory that holds a plurality of weighting coefficients, an input section that inputs a plurality of data, and an input section that inputs a plurality of data. , a linear signal processing unit comprising a multiplication unit that weights input data from the input unit using a weighting coefficient stored in the memory, and an addition unit that adds together a plurality of pieces of data weighted by the multiplication unit. An image quality evaluation device characterized by:
JP2119420A 1990-05-09 1990-05-09 Picture quality evaluation device Pending JPH0415882A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2119420A JPH0415882A (en) 1990-05-09 1990-05-09 Picture quality evaluation device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2119420A JPH0415882A (en) 1990-05-09 1990-05-09 Picture quality evaluation device

Publications (1)

Publication Number Publication Date
JPH0415882A true JPH0415882A (en) 1992-01-21

Family

ID=14761020

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2119420A Pending JPH0415882A (en) 1990-05-09 1990-05-09 Picture quality evaluation device

Country Status (1)

Country Link
JP (1) JPH0415882A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000046650A (en) * 1998-07-23 2000-02-18 Matsushita Electric Ind Co Ltd Image quality inspection device
JP2002503360A (en) * 1996-03-29 2002-01-29 サーノフ コーポレイション Method and apparatus for evaluating the visibility of the difference between two image sequences
JP2002245464A (en) * 2001-02-16 2002-08-30 Ricoh Co Ltd Device and method for image evaluation, and program making computer evaluate image
JP2019041130A (en) * 2018-12-12 2019-03-14 株式会社日立ハイテクノロジーズ Plasma processing apparatus, data processing apparatus and data processing method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002503360A (en) * 1996-03-29 2002-01-29 サーノフ コーポレイション Method and apparatus for evaluating the visibility of the difference between two image sequences
JP2000046650A (en) * 1998-07-23 2000-02-18 Matsushita Electric Ind Co Ltd Image quality inspection device
JP2002245464A (en) * 2001-02-16 2002-08-30 Ricoh Co Ltd Device and method for image evaluation, and program making computer evaluate image
JP2019041130A (en) * 2018-12-12 2019-03-14 株式会社日立ハイテクノロジーズ Plasma processing apparatus, data processing apparatus and data processing method

Similar Documents

Publication Publication Date Title
CN108520504B (en) End-to-end blurred image blind restoration method based on generation countermeasure network
CN109685743B (en) Image mixed noise elimination method based on noise learning neural network model
Abramov et al. Prediction of filtering efficiency for DCT-based image denoising
CN111047543A (en) Image enhancement method, device and storage medium
CN112767279A (en) Underwater image enhancement method for generating countermeasure network based on discrete wavelet integration
CN114066812B (en) No-reference image quality evaluation method based on spatial attention mechanism
CN107343196A (en) One kind mixing distortion non-reference picture quality appraisement method
JPH04227590A (en) Image processing apparatus
CN109685772B (en) No-reference stereo image quality evaluation method based on registration distortion representation
CN113469920A (en) Image processing method and system for intelligent equipment management
EP0551524A1 (en) Signal processor and learning method thereof
Sandoub et al. A low‐light image enhancement method based on bright channel prior and maximum colour channel
CN113284061A (en) Underwater image enhancement method based on gradient network
CN115131229A (en) Image noise reduction and filtering data processing method and device and computer equipment
JPH0415882A (en) Picture quality evaluation device
CN112085668B (en) Image tone mapping method based on region self-adaptive self-supervision learning
Qiu MLP for adaptive postprocessing block-coded images
Wang et al. Reconstruction of missing color-channel data using a three-step back propagation neural network
Huang et al. Image dehazing based on robust sparse representation
Devi et al. A hybrid technique of Mamdani and Sugeno based fuzzy interference system approach
JPH0451384A (en) Neural network and its construction method
ESFAND et al. Image denoising with two-dimensional adaptive filter algorithms
JPH0981723A (en) Image processor
Chandankhede Soft computing based texture classification with Matlab tool
Kumar et al. Visual information fidelity in evaluating retinex enhancement algorithms