專(zhuān)利名稱(chēng)：基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，尤其涉及一種基于小波和結(jié)構(gòu)自相似性分析 的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，用于灰度圖像的質(zhì)量評(píng)價(jià)，屬于圖像處理領(lǐng)域。
背景技術(shù)：
圖像質(zhì)量的客觀評(píng)價(jià)是數(shù)字圖像處理中十分重要而又困難的問(wèn)題，傳統(tǒng)的圖像 質(zhì)量評(píng)估方法大多數(shù)屬于全參考評(píng)估方法。包括常見(jiàn)的均值平方差算法(mean-squared error MSE)、信噪比評(píng)估方法(signal-to-noise ratio SNR)，以及峰值信噪比評(píng)估方 法(peak signal-to-noise ratio PSNR)。這些評(píng)估方法普遍被應(yīng)用于圖像的壓縮、 融合、取證等領(lǐng)域[Martin Vetterli S Grace Chang, Bin Yu. "Adaptive wavelet shareholding for image denoising and compression，，， IEEE Transaction on Image Processing, Vol. 9(9)，pp. 1532-1546，2000.]、[Heric D. , Zazula D. “Reconstruction of object contours using directional wavelet transform", WSEAS Transaction on Computation, Vol. 4, pp. 1305-1312, 2005·]、 [N. Mehrseresht, D. Taubman, “Spatially continuous orientation adaptive discrete packet wavelet decomposition for image compression", Proceedings of IEEE International Conference on Image Processing, 2006.]。雖然這些方法應(yīng)用廣泛，但是由于其自身的 缺陷性，已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足實(shí)際的需求。同時(shí)，其評(píng)估的結(jié)果通常并不符合人眼實(shí)際觀察 的結(jié)果。雖然已經(jīng)有一些新的評(píng)估方法的出現(xiàn)，但是大多數(shù)并沒(méi)有體現(xiàn)出比MSE和PSNR方 法更優(yōu)越。謝正祥，劉玉紅，胡琴在一份中國(guó)發(fā)明專(zhuān)利申請(qǐng)(申請(qǐng)?zhí)枮?00810070170. 1，申請(qǐng) 日為2008. 8. 25，
公開(kāi)日為2009. 1. 14)中提出了一種“基于信息熵和對(duì)比度的無(wú)參考圖像 質(zhì)量評(píng)價(jià)方法”，該方法利用熵和圖像的灰度對(duì)圖像質(zhì)量進(jìn)行無(wú)參考評(píng)估，雖然利用了熵的 原理，但只考慮了圖像的灰度在全局空間上的分布特征，沒(méi)有考慮人眼能夠根據(jù)圖像特征 在整體和細(xì)節(jié)上進(jìn)行自適應(yīng)的調(diào)整的因素。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有無(wú)參考圖像評(píng)價(jià)方法所存在的不足，提供一種無(wú)參考 圖像質(zhì)量評(píng)價(jià)方法，可以更好的對(duì)圖像的基于視覺(jué)效果的質(zhì)量進(jìn)行評(píng)估和分析。由于視覺(jué)系統(tǒng)本身對(duì)圖像具有多分辨率分析的特點(diǎn)，因此，利用小波分析的多尺 度分析功能，并結(jié)合圖像在不同尺度空間擁有自相似的特點(diǎn)，能夠更好的對(duì)圖像的基于視 覺(jué)效果的質(zhì)量進(jìn)行評(píng)估和分析，具體而言，本發(fā)明采用以下技術(shù)方案
一種基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，用于灰度圖像的圖 像質(zhì)量評(píng)價(jià)，按照以下步驟進(jìn)行
步驟1、 將待評(píng)價(jià)的原始圖像重組成包含 4"個(gè)自相似子塊的新圖像，η為大于等于1的整數(shù)；所述重組的具體方法為根據(jù)以下公式將原始圖像I中的像素PG，S)移到新圖像I’中的(LZ)處，
權(quán)利要求
一種基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，用于灰度圖像的圖像質(zhì)量評(píng)價(jià)，其特征在于，按照以下步驟進(jìn)行步驟1、將待評(píng)價(jià)的原始圖像重組成包含個(gè)自相似子塊的新圖像，為大于等于1的整數(shù)；所述重組的具體方法為根據(jù)以下公式將原始圖像I中的像素移到新圖像I’中的處，式中L、H分別表示原始圖像的寬度和高度， mod為取模運(yùn)算，當(dāng)時(shí)，新圖像I’即為所述重組后包含個(gè)自相似子塊的新圖像；當(dāng)時(shí)，則將圖像I’做為原始圖像，再進(jìn)行一次以上操作；當(dāng)時(shí)，依此類(lèi)推；步驟2、對(duì)步驟1得到的新圖像進(jìn)行小波分解；步驟3、根據(jù)下式計(jì)算小波熵H式中，表示第層小波分解系數(shù)中，對(duì)應(yīng)的、和子圖像形成的空間，；表示在第層小波分解系數(shù)中值為的系數(shù)在中所占的百分比；為小波分解的層數(shù)；表示將小波分解系數(shù)在歸一化到原始圖像的灰度空間后取整所得的結(jié)果；步驟4、根據(jù)小波熵值進(jìn)行圖像質(zhì)量評(píng)價(jià)，小波熵值越小表示圖像質(zhì)量越高。484302dest_path_image001.jpg,158997dest_path_image002.jpg,367868dest_path_image003.jpg,735396dest_path_image004.jpg,163972dest_path_image005.jpg,376779dest_path_image006.jpg,708665dest_path_image001.jpg,981515dest_path_image007.jpg,897387dest_path_image008.jpg,976201dest_path_image009.jpg,97348dest_path_image010.jpg,868995dest_path_image011.jpg,757316dest_path_image012.jpg,826772dest_path_image013.jpg,116939dest_path_image014.jpg,747903dest_path_image015.jpg,123521dest_path_image016.jpg,544138dest_path_image011.jpg,2010105559663100001dest_path_image017.jpg,141341dest_path_image010.jpg,940277dest_path_image018.jpg,803190dest_path_image017.jpg
2.如權(quán)利要求1所述基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特 征在于，所述w和《的取值滿(mǎn)足W = + 1。
3.如權(quán)利要求1所述基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特 征在于，所述《的取值為2。
4.如權(quán)利要求1所述基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特 征在于，所述小波分解為3層小波分解，即《的取值為3。
全文摘要
本發(fā)明公開(kāi)了一種基于小波和結(jié)構(gòu)自相似性分析的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，用于灰度圖像的圖像質(zhì)量評(píng)價(jià)，屬于圖像處理技術(shù)領(lǐng)域。本發(fā)明方法首先將待評(píng)價(jià)的原始圖像重組成包含個(gè)自相似子塊的新圖像；然后對(duì)新圖像進(jìn)行小波分解；接著計(jì)算小波熵；最后根據(jù)小波熵的值進(jìn)行質(zhì)量評(píng)價(jià)，小波熵值越小，圖像質(zhì)量越高且視覺(jué)效果越好。與其他同類(lèi)的方法相比，本發(fā)明首次將小波分解算法與圖像的自相似性相結(jié)合，并首次對(duì)小波系數(shù)進(jìn)行熵的相關(guān)計(jì)算，并將計(jì)算的結(jié)果(小波熵)用于圖像質(zhì)量的評(píng)價(jià)。同時(shí)，本發(fā)明方法不需要任何參考圖像就可以進(jìn)行。
文檔編號(hào)H04N17/00GK101977333SQ20101055596
公開(kāi)日2011年2月16日 申請(qǐng)日期2010年11月24日 優(yōu)先權(quán)日2010年11月24日
發(fā)明者姚勇雷, 焦峰, 薛勝軍, 謝永華, 馬利 申請(qǐng)人:南京信息工程大學(xué)