基于圖像梯度和相位一致性的失焦圖片質(zhì)量評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理技術(shù)領(lǐng)域，具體地，設(shè)及一種基于梯度和相位一致性的失焦 圖片質(zhì)量評(píng)價(jià)方法。
【背景技術(shù)】
[0002] 圖像質(zhì)量評(píng)價(jià)技術(shù)在許多圖像處理應(yīng)用中具有非常重要的作用，如圖像壓縮、存 儲(chǔ)、傳輸和重構(gòu)方法的開(kāi)發(fā)和優(yōu)化?，F(xiàn)今的圖像質(zhì)量評(píng)價(jià)方法可W分為主觀評(píng)價(jià)和客觀評(píng) 價(jià)，主觀評(píng)價(jià)是圖像質(zhì)量的最終標(biāo)準(zhǔn)，但是主觀評(píng)價(jià)對(duì)于實(shí)際的圖像處理系統(tǒng)來(lái)說(shuō)通常不 太現(xiàn)實(shí)。近年來(lái)許多研究者投入到客觀圖像質(zhì)量評(píng)價(jià)方法中，客觀圖像質(zhì)量評(píng)價(jià)方法根據(jù) 是否能夠得到原圖可W分為全參、半?yún)⒓盁o(wú)參Ξ類(lèi)方法。
[0003] 均方誤差(MSE)和峰值性噪比(PSNR)盡管有時(shí)候與測(cè)試者的主觀評(píng)分不是特別符 合，但由于其簡(jiǎn)單性，MSE和PSNR仍然是目前最普遍的質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。近年來(lái)，受一些經(jīng)典屯、 理學(xué)認(rèn)知范例的激發(fā)，許多研究者提出了一些基于認(rèn)知的評(píng)價(jià)方法。如Wang, Z.等人在 《IE邸Trans. Image Process》第13卷第4期第600頁(yè)至第612頁(yè)發(fā)表的論文"Image quality assessment:from error visibility to structural similarity" 中提出的結(jié)構(gòu)相似性 方法(SSIM)就是現(xiàn)今非常流行的基于認(rèn)知的圖像質(zhì)量評(píng)價(jià)方法，該方法實(shí)際上關(guān)注的是圖 像白勺結(jié)構(gòu)信'島。Wan邑，Ζ.等人在《IEEE Asilomar Conference on Si邑nals ,Systems and Computer》第2卷第 1398頁(yè)至第1402頁(yè)發(fā)表的論文"Multi-scale structural similarity for image quality assessment"中提出的多尺度結(jié)構(gòu)相似性方法(MS-SSIM)將SSIM方法 擴(kuò)展到多尺度上，提供了更好的性能。Sh e i化,Η. R.等人在《I邸E Tran S.Image Pro cess》第 15卷第2期第430頁(yè)至第444頁(yè)發(fā)表的論文《Image information and visual quality》中提 出的視覺(jué)信息保真度方法(VIF)也提供了良好的性能，該方法通過(guò)量化從原圖到失真圖的 圖片信息損失進(jìn)行質(zhì)量評(píng)價(jià)。此外，作者還在該文中提供了VIF方法的低計(jì)算復(fù)雜度版本： 基于像素的視覺(jué)信息保真度方法(VIFP)。
[0004] 最近許多圖像質(zhì)量評(píng)價(jià)領(lǐng)域的研究者發(fā)現(xiàn)圖像失真類(lèi)型分類(lèi)對(duì)圖像質(zhì)量評(píng)價(jià)非 常重要，如Liu,H.等人在《I邸E Trans.Circuits Syst.Video Technol.》第21卷第7期第 971頁(yè)至第982頁(yè)提出的Blind Image如ality Indices(BIQI)方法。該方法分為兩個(gè)步驟， 首先利用失真圖像統(tǒng)計(jì)(DIS)將圖像根據(jù)失真類(lèi)型進(jìn)行分類(lèi)，再根據(jù)不同失真類(lèi)型進(jìn)行質(zhì) 量評(píng)價(jià)。
[0005] 圖像質(zhì)量評(píng)價(jià)方法很多，但是很少有人研究過(guò)專(zhuān)口的方法來(lái)評(píng)價(jià)失焦模糊的圖像 質(zhì)量。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于圖像梯度和相位一致性的 失焦圖片質(zhì)量評(píng)價(jià)方法，該方法通過(guò)提取失焦圖像的梯度強(qiáng)度和相位一致性對(duì)失焦圖像進(jìn) 行模糊度估計(jì)，然后結(jié)合視覺(jué)顯著性對(duì)模糊度圖進(jìn)行加權(quán)，從而對(duì)失焦圖像的質(zhì)量做出評(píng) 價(jià)，通過(guò)該方法得到的評(píng)價(jià)結(jié)果與主觀評(píng)價(jià)的結(jié)果具有高度的一致性。。
[0007] 為實(shí)現(xiàn)W上目的，本發(fā)明提供一種基于圖像梯度和相位一致性的失焦圖片質(zhì)量評(píng) 價(jià)方法，所述方法包括W下步驟：
[0008] S1，分別提取失焦圖像的梯度強(qiáng)度和相位一致性特征，得到梯度強(qiáng)度圖和相位一 致性圖，并把兩幅圖進(jìn)行最大值融合得到圖像的模糊程度圖；
[0009] S2,對(duì)失焦圖像進(jìn)行顯著性檢測(cè)，得到圖像的顯著性圖；
[0010] S3,用S2的圖像顯著性圖對(duì)S1的模糊程度圖進(jìn)行加權(quán)得到圖像的質(zhì)量圖（quality map )，通過(guò)池化該質(zhì)量圖對(duì)圖像的質(zhì)量做出評(píng)價(jià)。
[0011] 優(yōu)選地，所述S1，具體為:提取圖像四個(gè)方向的梯度，分別是0°，45%90°，135°，然 后計(jì)算梯度強(qiáng)度圖（GM map),提取圖像的相位一致性圖（PC map),然后用最大值策略將梯 度強(qiáng)度圖和相位一致性圖進(jìn)行融合，形成模糊程度圖。
[0012] 優(yōu)選地，所述計(jì)算梯度強(qiáng)度圖，是指:梯度強(qiáng)度的計(jì)算首先定義四個(gè)方向的梯度算 子，用梯度算子對(duì)失焦圖像進(jìn)行卷積，得到四個(gè)方向的梯度圖，然后取四個(gè)方向梯度的平方 和的算術(shù)平方根作為梯度強(qiáng)度特征，提取圖像結(jié)構(gòu)特征。
[001引優(yōu)選地，所述提取圖像的相位一致性特征，是指:采用Kovesi的計(jì)算方法，得到失 焦圖像對(duì)應(yīng)的相位一致性圖像，提取圖像的紋理特征。
[0014] 優(yōu)選地，所述把兩幅圖進(jìn)行最大值融合得到圖像的模糊程度圖，是指:將失焦圖像 的梯度強(qiáng)度圖和相位一致圖進(jìn)行最大值融合，即融合圖像的每個(gè)像素取梯度強(qiáng)度圖和相位 一致圖對(duì)應(yīng)位置的最大值，得到失焦圖像的模糊程度圖像。
[0015] 優(yōu)選地，所述S2,具體為:對(duì)失焦圖像進(jìn)行顯著性檢測(cè)，找出人類(lèi)視覺(jué)系統(tǒng)化VS)敏 感的區(qū)域，得到一幅顯著圖像，顯著圖像逐像素給出失焦圖中每個(gè)點(diǎn)對(duì)HVS的重要性，顯著 性檢測(cè)算法可W借鑒成熟的顯著性模型，比如1?1牌￥5,4加，(：(^331等。
[0016] 本發(fā)明的原理是：
[0017] 失焦模糊圖片具有其特殊性，僅僅通過(guò)模糊程度的估計(jì)來(lái)對(duì)其質(zhì)量進(jìn)行評(píng)價(jià)是不 夠的，本發(fā)明基于梯度強(qiáng)度特征和相位一致性特征能夠捕捉由于失焦模糊導(dǎo)致的圖像紋理 的退化，利用運(yùn)兩個(gè)特征進(jìn)行模糊程度的估計(jì)，作為質(zhì)量評(píng)價(jià)的基礎(chǔ)，其次利用顯著性檢測(cè) 來(lái)進(jìn)一步提高質(zhì)量評(píng)價(jià)的性能。
[0018] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0019] 本發(fā)明所述的失焦圖片質(zhì)量評(píng)價(jià)方法具有良好的性能，結(jié)合了梯度強(qiáng)度和相位一 致性做基礎(chǔ)的模糊度評(píng)價(jià)，用視覺(jué)顯著性機(jī)制進(jìn)行加權(quán)，取得了比傳統(tǒng)方法更加優(yōu)越的性 能，與主觀質(zhì)量評(píng)價(jià)達(dá)到高度的一致性。
【附圖說(shuō)明】
[0020] 通過(guò)閱讀參照W下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點(diǎn)將會(huì)變得更明顯：
[0021] 圖1為本發(fā)明一實(shí)施例原理圖。
【具體實(shí)施方式】
[0022] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。W下實(shí)施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不w任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù) 人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可W做出若干變形和改進(jìn)。運(yùn)些都屬于本發(fā)明 的保護(hù)范圍。
[0023] 如圖1所示，一種基于圖像梯度和相位一致性的失焦圖片質(zhì)量評(píng)價(jià)方法，首先提取 圖像四個(gè)方向（0°，45°，90° ,135°)的梯度，然后計(jì)算梯度強(qiáng)度圖(GM map),提取圖像的相位 一致性圖（PC map),然后用最大值策略將梯度強(qiáng)度圖和相位一致性圖進(jìn)行融合，形成模糊 程度圖；另一方面，提取圖像的顯著性圖（saliency map),用顯著性圖對(duì)模糊程度圖進(jìn)行加 權(quán)得到質(zhì)量圖（qua 1 i ty map )，池化質(zhì)量圖得到圖像質(zhì)量的估計(jì)值。
[0024] 在一實(shí)施例中，上述的失焦圖片質(zhì)量評(píng)價(jià)方法具體實(shí)施過(guò)程和詳細(xì)細(xì)節(jié)如下：
[0025] 首先，得到圖像四個(gè)方向的梯度圖來(lái)提取圖像中的結(jié)構(gòu)特征，梯度提取算子分別 定義為：
[0030] 其中，G代表提取的梯度圖，0代表卷積運(yùn)算，I代表失焦圖像，然后梯度的強(qiáng)度GM 定義為：
[0031]
[00創(chuàng) Go。、G4日。、G90。、Gi3日。分別是四個(gè)方向的0°，45°，90° ,135°的梯度的強(qiáng)度。
[0033] 其次，提取圖像的相位一致性特征進(jìn)一步提取圖像的紋理特征，具體地采用 Kovesi的計(jì)算方法，給一個(gè)一維信號(hào)S，定義巧日M,:分別為偶和奇對(duì)稱(chēng)的η尺度下的濾波 器，它們形成正交的一對(duì)濾波器，運(yùn)里用log-Gabor濾波器來(lái)近似，用運(yùn)對(duì)濾波器對(duì)圖像進(jìn) 行濾波，得到在j位置的響應(yīng)為
）表示用定義的偶濾 波器對(duì)信號(hào)S進(jìn)行濾波得到的響應(yīng)，On(j)表示用定義的奇濾波器對(duì)信號(hào)S進(jìn)行濾波得到的 響應(yīng);振幅定義關(guān)
，令F(j)= Snen(j)，H(j)= SnOn(j)，則相位一致 性PC可W計(jì)算為：
[0034]
[0035] 其牛
：是一個(gè)小的正數(shù)，防止分母出現(xiàn)0。排除無(wú)關(guān)的噪聲 影響，PC的計(jì)算變?yōu)椋?br>[0036]
[0037] 其中，