一種基于hvs和四元數(shù)的彩色圖像質(zhì)量評價方法
【專利摘要】本發(fā)明公開了一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，屬于圖像處理與計算機視覺【技術(shù)領(lǐng)域】。本發(fā)明的步驟為：一、通過分析人眼視覺特性構(gòu)建原始參考圖像和待評價失真圖像的數(shù)學(xué)評價模型：圖像的空間位置函數(shù)QL、局部方差QV、紋理邊緣復(fù)雜度函數(shù)QTE和顏色函數(shù)QC；二、構(gòu)造原始參考圖像和待評價失真圖像的四元數(shù)矩陣，并對四元數(shù)矩陣進行奇異值分解得到圖像的奇異值特征向量；三、利用原始參考圖像和待評價失真圖像的奇異值特征向量的歐氏距離度量圖像失真程度。本發(fā)明將人眼視覺特性和四元數(shù)相結(jié)合，提取圖像的亮度和色度信息，利用人眼視覺特性構(gòu)造空間位置函數(shù)、紋理邊緣復(fù)雜度函數(shù)和局部方差，評價結(jié)果與人眼感知圖像的效果更相符。
【專利說明】-種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理與計算機視覺【技術(shù)領(lǐng)域】，更具體地說，涉及一種利用人眼視 覺系統(tǒng)的特性構(gòu)建與人眼觀察圖像一致的數(shù)學(xué)模型，與四元數(shù)奇異值分解相結(jié)合，進行彩 色圖像質(zhì)量評價的方法。

【背景技術(shù)】
[0002] 圖像質(zhì)量是圖像處理和計算機視覺領(lǐng)域中重要的參數(shù)之一，隨著計算機科學(xué)技術(shù) 的發(fā)展，印刷、瓷磚、影像、圖像檢索等方面對圖像質(zhì)量的要求越來越高，但是在圖像的采 集、處理、壓縮、傳輸、顯示等過程中會產(chǎn)生不同程度的圖像失真和圖像降質(zhì)問題。
[0003] 人類作為圖像的最終接收者，使得其對圖像的主觀質(zhì)量評價（Difference Mean Opinion Score,DM0S)被認為是最可靠的。主觀質(zhì)量評價是讓觀測者依據(jù)自己的主觀感知 經(jīng)驗或者某些事先統(tǒng)一規(guī)定好的評價標準，對待評價目標圖像的視覺感知效果做出質(zhì)量評 價并進行打分，然后再將所有觀測者的分數(shù)進行加權(quán)平均，所得的結(jié)果即為圖像的主觀質(zhì) 量分數(shù)。然而，主觀圖像質(zhì)量評價費時費力，受觀察者、圖像類型和周圍環(huán)境的影響較大，實 時性較弱。因而人們一直致力于研究能正確及時有效地反映人們主觀視覺感知的客觀圖像 質(zhì)量評價方法?？陀^圖像質(zhì)量評價是利用算法、數(shù)學(xué)模型等對圖像質(zhì)量進行及時、快速的反 饋以獲得與人的主觀感受相一致的評價結(jié)果。該方法多種多樣，由于切入點、基本思想的不 同，分類方法也不同。根據(jù)對原始圖像的參考，客觀質(zhì)量評價方法分為全參考型、部分參考 型和無參考型3種。全參考型適用于編碼器設(shè)計和不同編碼器的性能比較，部分參考型和 無參考型適用于帶寬有限的多媒體應(yīng)用。由于全參考型可以利用原始圖像的全部信息，其 對圖像的評價結(jié)果更加符合人類主觀評價。
[0004] Liu A 等人于 2012 年在《IEEE Transactions on image processing》上發(fā)表的 《Image Quality Assessment Based on Gradient Similarity》中提出的峰值信噪比（Peak Signal Noise Ratio, PSNR)和均方誤差（Mean Square Error, MSE)是最經(jīng)典的全參考型客 觀圖像質(zhì)量評價方法。PSNR反映了待評價圖像的逼真度（Fidelity)，而MSE反映了待評價 圖像與原始圖像的差異性（Diversity)。上述兩種方法的理論簡單明了，容易理解，計算起 來也很方便，但它們只考慮了圖像各個像素點的比較，并沒有考慮圖像各個像素點間可能 存在的結(jié)構(gòu)關(guān)系等，與人眼真實看到的存在偏差。
[0005] Z Wang 等人于 2004 年在《IEEE Transactions on Image Processing》上發(fā)表的 ((Image quality assessment from error measurement to structural similarity〉〉中提 出SSIM算法綜合比較原始無失真圖像和待評價圖像在亮度、對比度和結(jié)構(gòu)相似度三類不 同的信息間的差異，考慮了像素間的結(jié)構(gòu)關(guān)系，但存在嚴重模糊情況下細節(jié)把握不好，而且 指數(shù)參數(shù)確定困難等問題。
[0006] W. Xue 等人于 2013 年在《IEEE Transactions on Image Processing》上發(fā)表的 《Gradient magnitude similarity deviation:A highly efficient perceptual image quality index》中提出的基于梯度幅值的相似性偏差算法GMSD考慮到梯度對圖像失真高 度敏感，但對彩色圖像的處理必須轉(zhuǎn)換到灰度域上。以上方法對于彩色圖像的評價必須轉(zhuǎn) 化為灰度圖像，評價結(jié)果與人眼實際看到的情況存在偏差。
[0007] 經(jīng)檢索，中國專利申請?zhí)?00610027433. 1，申請日為2006年6月8日，發(fā)明創(chuàng)造 名稱為：一種基于超復(fù)數(shù)奇異值分解的圖像質(zhì)量評估方法；該申請案利用超復(fù)數(shù)（四元數(shù)） 直接對彩色圖像建模，用超復(fù)數(shù)奇異值分解提取出彩色圖像固有能量特征，利用原始圖像 與失真圖像奇異值之間的距離構(gòu)造出失真映射矩陣，并使用該失真映射矩陣來評估彩色圖 像質(zhì)量。中國專利申請?zhí)?01210438606. 4,申請日為2012年11月6日，發(fā)明創(chuàng)造名稱為： 彩色圖像質(zhì)量評價算法，該申請案分別將圖像的色度、亮度和飽和度作為四元數(shù)的虛部，構(gòu) 造參考圖像和待評價圖像的四元數(shù)矩陣，并分別對它們進行奇異值分解，得到奇異值特征 向量，最后應(yīng)用灰色關(guān)聯(lián)度計算參考圖像的奇異值特征向量與各個待評價圖像的奇異值特 征向量之間的關(guān)聯(lián)度，關(guān)聯(lián)度越大，表明待評價圖像的質(zhì)量越好。但上述申請案得到的評價 結(jié)果與人眼實際看到的情況仍存在較大偏差，彩色圖像質(zhì)量的評價方法仍需進一步優(yōu)化。


【發(fā)明內(nèi)容】

[0008] 1.發(fā)明要解決的技術(shù)問題
[0009] 本發(fā)明為克服傳統(tǒng)的評價方法在構(gòu)建評價模型時，需將彩色圖像轉(zhuǎn)化為灰度圖像 進行處理，造成評價結(jié)果與人眼實際看到的情況偏差較大的問題，提供了一種基于HVS和 四元數(shù)的彩色圖像質(zhì)量評價方法；本發(fā)明提出將人眼視覺特性和四元數(shù)相結(jié)合，提取圖像 的亮度和色度信息，利用人眼視覺特性構(gòu)造空間位置函數(shù)、紋理邊緣復(fù)雜度函數(shù)和局部方 差，為改進傳統(tǒng)割裂R、G、B三通道的方法，利用四元數(shù)奇異值分解提取圖像的能量特征，使 得評價結(jié)果與人眼感知圖像的效果更相符。
[0010] 2.技術(shù)方案
[0011] 為達到上述目的，本發(fā)明提供的技術(shù)方案為：
[0012] 本發(fā)明的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其步驟為：
[0013] 步驟一、通過分析人眼視覺特性構(gòu)建原始參考圖像和待評價失真圖像的數(shù)學(xué)評價 模型，所述的數(shù)學(xué)評價模型包括圖像的空間位置函數(shù)％、局部方差Q v、紋理邊緣復(fù)雜度函數(shù) Qte和顏色函數(shù)Qc;
[0014] 步驟二、將％、QV、QTE作為四元數(shù)的虛部，Q c作為四元數(shù)的實部，分別構(gòu)造原始參考 圖像和待評價失真圖像的四元數(shù)矩陣，并對四元數(shù)矩陣進行奇異值分解得到圖像的奇異值 特征向量；
[0015] 步驟三、利用原始參考圖像和待評價失真圖像的奇異值特征向量的歐氏距離度量 圖像失真程度。
[0016] 更進一步地，步驟一構(gòu)建數(shù)學(xué)評價模型的具體過程為：
[0017] (1)獲取原始參考圖像和待評價失真圖像的RGB二刺激值；
[0018] (2)提取原始參考圖像和待評價失真圖像的空間位置信息，構(gòu)建空間位置函數(shù)％ 和紋理邊緣復(fù)雜度函數(shù)Q te;
[0019] (3)將原始參考圖像和待評價失真圖像由RGB空間轉(zhuǎn)換為YUV顏色空間，提取圖像 亮度信息構(gòu)建局部方差Qv，提取圖像亮度和色度信息構(gòu)建顏色函數(shù)Q c。
[0020] 更進一步地，步驟一利用人類視覺系統(tǒng)的中間凹特性構(gòu)建空間位置函數(shù)％，所述 的空間位置函數(shù)

【權(quán)利要求】
1. 一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其步驟為： 步驟一、通過分析人眼視覺特性構(gòu)建原始參考圖像和待評價失真圖像的數(shù)學(xué)評價模 型，所述的數(shù)學(xué)評價模型包括圖像的空間位置函數(shù)％、局部方差Qv、紋理邊緣復(fù)雜度函數(shù)Qte和顏色函數(shù)Qc; 步驟二、將％、QV、QTE作為四元數(shù)的虛部，Qc作為四元數(shù)的實部，分別構(gòu)造原始參考圖像 和待評價失真圖像的四元數(shù)矩陣，并對四元數(shù)矩陣進行奇異值分解得到圖像的奇異值特征 向量； 步驟三、利用原始參考圖像和待評價失真圖像的奇異值特征向量的歐氏距離度量圖像 失真程度。
2. 根據(jù)權(quán)利要求1所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特征在 于：步驟一構(gòu)建數(shù)學(xué)評價模型的具體過程為： (1) 獲取原始參考圖像和待評價失真圖像的RGB三刺激值； (2) 提取原始參考圖像和待評價失真圖像的空間位置信息，構(gòu)建空間位置函數(shù)％和紋 理邊緣復(fù)雜度函數(shù)Qte; (3) 將原始參考圖像和待評價失真圖像由RGB空間轉(zhuǎn)換為YUV顏色空間，提取圖像亮度 信息構(gòu)建局部方差Qv，提取圖像亮度和色度信息構(gòu)建顏色函數(shù)Qc。
3. 根據(jù)權(quán)利要求2所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特征在 于：步驟一利用人類視覺系統(tǒng)的中間凹特性構(gòu)建空間位置函數(shù)％，所述的空間位置函數(shù)
式中，A為人眼視覺觀察的像素點（i，j)到圖像中心像素點（M/2，N/2)的距離與
4. 根據(jù)權(quán)利要求2或3所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特 征在于：步驟一利用人類視覺系統(tǒng)的掩蓋效應(yīng)構(gòu)建紋理邊緣復(fù)雜度函數(shù)Qte，所述的紋理邊 緣復(fù)雜度函數(shù) Qte Qt X Qe 式中，Qt為像素點（i，j)的紋理復(fù)雜度函數(shù)，Qe為像素點（i，j)的邊緣復(fù)雜度函數(shù)。
5. 根據(jù)權(quán)利要求4所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特征在 于：步驟一利用人類視覺系統(tǒng)的多通道特性構(gòu)建局部方差Qv，所述的局部方差
其中，按照圖像的亮度分量進行互不重疊的分塊得到Iu，L為圖像分塊Iu中包含的
6. 根據(jù)權(quán)利要求5所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特征在 于：所述的顏色函數(shù) Qc = a Ql+ ^ Qu 式中，Ql為圖像的亮度信息，Qu為圖像的色度信息，a、0分別為亮度和色度所占的比 重。
7.根據(jù)權(quán)利要求6所述的一種基于HVS和四元數(shù)的彩色圖像質(zhì)量評價方法，其特征在 于：步驟三所述的歐氏距離
式中，A i為原始參考圖像的奇異值特征向量，i,為待評價失真圖像的奇異值特征向 量，K為兩奇異值特征向量特征值個數(shù)的最小值，即兩個四元數(shù)矩陣秩的最小值：
【文檔編號】G06T7/00GK104361593SQ201410650245
【公開日】2015年2月18日 申請日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】李勃, 陳惠娟, 于海峰, 吳煒, 趙鵬, 張宇澄, 何玉婷, 許宗平 申請人:南京大學(xué)