一种针对图像模糊的无参考质量评价指标.docx
《一种针对图像模糊的无参考质量评价指标.docx》由会员分享,可在线阅读,更多相关《一种针对图像模糊的无参考质量评价指标.docx(9页珍藏版)》请在冰豆网上搜索。
一种针对图像模糊的无参考质量评价指标
一种针对图像模糊的无参考质量评价指标
作者:
谢小甫周进吴钦章
来源:
《计算机应用》2010年第04期
摘要:
在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。
该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。
关键词:
图像质量评价;成像模型;结构相似度;无参考结构清晰度;梯度能量函数
中图分类号:
TP391.41
文献标志码:
A
No-referencequalityindexforimageblur
XIEXiao-fu1,2,ZHOUJin1,WUQin-zhang1
(
1.InstituteofOpticsandElectronics,ChineseAcademyofSciences,ChengduSichuan610209,China;
2.GraduateUniversityofChineseAcademyofSciences,Beijing100049,China
)
Abstract:
Withtheanalysisofimageblurbasedontheimagingmodel,amethodwasproposedforconstructingreferenceimages,andatthesametimetheStructuralSimilarity(SSIM)indexwasintroducedintono-referenceimagequalityassessment.Anovelno-refernceimagequalityassessmentindexcalledNo-ReferenceStructuralSharpness(NRSS)wasthenproposedforqualityevaluationofblurredimages.Thismethodconstructedareferenceimagebyalow-passfilter,andassessedtheimagequalitybycomputingtheSSIMbetweentheoriginalimageandthereferenceone,thusconsideringthemathematicalmodelofimagingsystemaswellastheadvantagesofSSIM.Theexperimentalresultsshowthatthenewindexiswellinaccordancewithqualityassessmentresultsofbothsubjectiveevaluationandfull-referencemethods.
Withtheanalysisofimageblurbasedontheimagingmodel,amethodwasproposedforconstructingreferenceimages,andatthesametimetheStructuralSimilarity(SSIM)indexwasintroducedintono-referenceimagequalityassessment.Anovelno-referenceimagequalityassessmentindexcalledNo-ReferenceStructuralSharpness(NRSS)wasthenproposedforqualityevaluationofblurredimages.Thismethodconstructedareferenceimagebyalow-passfilter,andassessedtheimagequalitybycomputingtheSSIMbetweentheoriginalimageandthereferenceone,thusconsideringthemathematicalmodelofimagingsystemaswellastheadvantagesofSSIM.Theexperimentalresultsshowthatthenewindexiswellinaccordancewithqualityassessmentresultsofbothsubjectiveevaluationandfull-referencemethods.
Keywords:
ImageQualityAssessment(IQA);imagingmodel;StructuralSimilarity(SSIM);No-ReferenceStructuralSharpness(NRSS);energyfunctionofgradient
0引言
由于人是图像的最终宿主,主观图像质量评价能够给出最正确的质量评价结果。
但是主观质量评价方法不便于操作、耗时而且昂贵[1],因此客观图像质量评价方法的研究显得越来越重要。
客观图像质量评价方法可以分为三类:
全参考、部分参考和无参考。
前两类方法需要原始图像或者原始图像某些特征的集合作为参考来与失真图像比较,但是在很多应用场合,原始图像是无法获取的,所以研究无参考的图像质量评价方法至关重要。
近年来,客观图像质量评价方法的研究取得很多进展。
均方误差(MeanSquareError,MSE)和峰值信噪比(PeakSignaltoNoiseRatio,PSNR)由于其计算简单,物理意义清晰等优点成为应用最广泛的客观图像质量评价指标。
文献[1]中指出,由于像MSE和PSNR这类基于点误差累积的方法没有充分考虑人眼视觉特性,所以与人的主观判断结果差异较大。
针对以上分析,文献[1]中提出基于结构相似度(StructuralSimilarity,SSIM)的图像质量评价方法,并通过大量实验数据表明,该方法与主观评价方法相关性很高。
随着对SSIM研究的深入,基于SSIM的图像质量评价体系出现了很多改进方法,例如GSSIM[2]和MDESSIM[3]等,使得SSIM方法成为主观图像质量评价方法中一个重要的研究领域。
此外文献[4]中提出用奇异值分解的方法来进行图像质量评价,而文献[5]中提出通过方向投影(DirectionalProjection,DP)来评价图像质量,实验结果表明这些方法都是可行的,但这些全部都是全参考或者是部分参考的方法。
由于没有任何关于原始图像的信息可以利用,故构造无参考的图像质量评价方法比另外两类方法要难得多,而且无参考的图像质量评价方法只能针对某一种具体的失真类型来进行。
近年来无参考的图像质量评价方法研究也取得了较多的成果,但是这些方法彼此相互独立,还没有形成一个完善的研究体系。
而且,目前无参考的图像质量评价方法都存在下面几个缺点中的某一个或几个:
1)需要进行某种变换,如快速傅里叶变换(FastFourierTransform,FFT),离散小波变换(DiscreteWaveletTransform,DWT)等,增加算法的时间复杂度[6-7];
2)需要进行训练,而很多时候训练样本的覆盖程度决定了算法的性能[7-8,10-11];
3)算法输出结果范围没有限制,即结果不是有界的[9,12]。
本文作者充分研究以上算法,并结合成像系统的数学模型,提出一种无参考结构清晰度(No-ReferenceStructuralSharpness,NRSS)的针对图像模糊的无参考图像质量评价方法。
实验结果表明,对于模糊图像,该算法在无参考图像的情况下可以取得优于有参考图像的SSIM方法的结果,且计算简单,克服了以上提到的三个缺点。
1图像模糊的原因
在成像系统中,成像面上获得的图像可以认为是原始图像场景与成像系统的点扩散函数的卷积,其数学表达式如下:
I(x′,y′)=I0(x,y)h(x′,y′)
(1)
已经证明,在非相干成像条件下对于一般圆形孔径的成像系统,若不考虑像差的影响,点扩散函数[13]为:
h(x,y)=(2J1(z1)z1)2
(2)
其中J1(x)是第一类型的一阶贝塞尔函数,z1=πDλfr,D为物镜入瞳直径,f为物镜焦距,λ为窄带非相干光源的中心波长,r是距平面光轴的径向距离:
r=x2+y2。
由于贝塞尔函数比较复杂,同时综合考虑像差等因素的影响,有学者提出了圆盘模型和高斯模型[13],其中高斯模型在实际应用中取得了较好的效果:
h(x,y)=12πa2exp(-x2+y22a2)(3)
其中a为点扩散函数分布的标准偏差的扩散参量,它与模糊圆半径成正比:
a=CR。
第4期谢小甫等:
一种针对图像模糊的无参考质量评价指标
计算机应用第30卷
高斯模型的傅里叶变换即为系统的光学传递函数,数学表达式为:
H(w,v)=exp(-12ρ2a2)(4)
其中,ρ=w2+v2。
由此可见,光学成像系统相当于一个低通滤波器,且其截止频率与系统的离焦程度(图像的模糊程度)相关,即:
系统离焦量越大,则截止频率越低,图像越模糊。
以上仅仅是对成像系统离焦模糊的原因进行了分析,在可能引起图像模糊的其他应用中,例如图像压缩、图像平滑滤波等,图像的模糊也都是因为高频分量的丢失造成边缘或者细节不清晰。
综上所述,清晰图像比被模糊的图像有更丰富的细节信息,即高频分量,所以可以通过衡量图像包含高频信息的多少来评价图像的清晰程度。
2结构相似度
人眼视觉系统(HumanVisu