基于色彩空间的无参考图像质量评价研究.doc

明研究生签名：学位论文使用授权声明 在研究了色彩空间的统计规律后，我们设计了一种无参考图像质量评价算法，利用了色彩空间的信息。该方法可以分为两个阶段，第一阶段判断失真类型，第二阶段对特定失真类型的图像选择最适合的色彩空间，在该色彩空间对图像的质量进行评价。最适合的色彩空间是通过在各种失真类型分别对上述几种色彩空间进行实验选择最优值得到的。本文方法是在灰度空间的方法上加入了色彩信息，实验结果表明，本文方法达到了较为满意的效果，比灰度空间的方法有所改善，在一定程度上也证明了充分利用色彩空间的信息，对图像质量的评价会有所帮助。 瑆 ：甌 ， 目目縖 基王鱼墅窒间的玉叁耋图像厦量迁俭巫宜谢 图像质量评价的目的就设计出一种方法，该方法能够评价图像质量的好坏，最简单的方法就是直接让观察者来观测待评图像，这就是主观评价方法，由于图像的最终观测者是人，主观方法最为可靠。但是，主观方法需要进行多次重复实验，综合多人的评价结果，非常耗时，而且容易受到观测者主观因素的影响，很难应用于实际中，因此人类迫切需要研究出客观的图像评价方法，能够自动的对图像的质量进行评价，使之与人的视觉感知保持一致。图像质量评价主要研究的是客观的图像质量评价方法，本文将简单介绍主观评价方法，重点介绍客观的评价方法。国内外研究现状客观图像质量评价的基本目标是设计出一个数学模型，使得计算机可以使用模型准 飈言硒堂焦论窒通信等应用中，接收端几乎不可能得到原始图像。由于原始图像获取困难，全参考图像质量评价方法的应用领域非常有限，在很多应用中甚至完全不存在参考图像。随后发展出了半参考图像质量评价方法，它不需要参考图像的全部信息，仅仅使用参考图像的部分信息来评价。无参考图像质量评价方法已成为近几年的研究热点，因为无参考图像质量评价更为实用，但评价方法的设计也更加困难，本文对无参考评价方法进行研究。，但这些方法效果并没有得到令人满意的结 信息，由此来评价失真图像的质量，得到了较好的结果。取把相位一致性而不依赖于图像的亮度和对比度，但是亮度和对比度对图像的质量也有重要影响，该方了较好的结果，其他的全参考图像质量评价参见文献】。半参考图像质量评价方法是利用原始图像的部分信息对失真图像质量进行评价的一种方法，在某些应用中有一定的作用。不需要参考图像的全部信息，只需要参考图像的部分信息，计算起来会相对简单，但参考图像的部分信息的选择非常困难，要能够表征图像的质量，对特征选择的要求较高，典型的半参考评价方法有：基于降质特征提取的方法【，谛巢慷鹊姆椒俊谛蜃匀煌枷裢臣颇偷姆椒、基于特通常在变换域进行统计建模，然后再进行评价。在无参考图像质量评价中，自然图像统退化过程都会扰乱这些统计特征，使得图像或视频信号变得“不自然”。许多学者已经的两阶段的图像质量评价方法，首先对小波系数的统计 黮言亟堂僮论塞基于自然场景分析的方法达到了较为满意的效果，有很多学者对此进行研究，试图在各种变换空间进行建模。但是上述基于自然场景分析的方法大多是对灰度图像的特征进行统计，没有充分的利用色彩空间的信息，而在自然风景等图像中色彩对图像的质量有着重要的影响，也是图像质量一个很重要的指标。如果能够充分地利用色彩空间的信息，把灰度空间捕获不到的信息在色彩空间挖掘出来，对图像质量评价领域的研究将会有重要的意义。本文将在色彩空间研究自然图像统计规律，并提取一种基于色彩空间的无参考图像评价方法。论文主要研究内容本学位论文主要包括以下几个方面的研究内容：芯孔匀煌枷裨谧;豢占如蛐上的规律性分布自然场景中的图像的某些特征存在着某种规律性，通过设计出能够描述这些规律性与图像质量的关系的模型，可以设计出一些无参考的评价方法。许多学者已经研究出了一些对自然场景统计特征进行建模的方法，对自然场景统计规律的研究对无参考评价有重要作用。 芯坑肗进行无参考图像质量评价 图像及其质量评价简介图像质量是对图像清晰程度的一种度量指标，主是通过度量图像的失真的程度来获得的。图像质量评价方法一般分为主观方法和客观方法两类。主观评价虽然可靠，但需要评价者的参与，不便于图像系统的集成和实现。多年来，人们一直希望设计一种能够逼近主观评价结果的客观评价方法，用来对图像处理等系统进行指导。因此，图像质量。主观评价方法概述珼和单激励连续质量，等。者对一批图像的质量进行排序，按照由好到坏的顺序给出相应的分数，如双激励连续质表主观评价标准 长且容易受外界条件干扰，结果可能不稳定，只适合理论研究，实用价值并不高。舰：至：星岫樾停璗堕塑：琻】 等人认为可以通过计算图像的结构信息来评价图像质量，同时亮度和对比度对图像的质量也有很大影响，该方法选择这三个方面来评价图像质量，系统框图如图所示。其中蚘是两个非负的输入图像信号，一个信号为参考图像信号，另一个信号为失真图像信号，对两幅图像分别进行亮度比较、对比度比较和结构比较、最后合并这三项得到评价值。瑈丽其中。，。分别为参考图像褪嫱枷馳的均值，盯，和盯，分别为蚘的方差，仃。，像蚘的结构相似性定义为：具有以下特性： 有界性：最大值唯一性：的值在之间，只有当参考图像和待评图像相同时时，于噪声的加入导致的，所以它对白噪声的图像有较好的结果，但对于其他的失真类型效拟恼骞堋啾扔贛和等方法来说，与人的主观感受具有较好的相关性，计算也比较简洁，得到了广泛应用。的缺点在于没有考虑人眼感兴趣区域，而是将所有子块的重要程度看作是相同，简单地其取平均而得出整幅图像的结构相似度，把整个图像的各个重要程度看成是相同的，有时各部分重要程度并不一样，这存在一定的局限性，在评价严重模糊的图像时会产生不符合人的主观感受的结果。由于全参考评价方法假设能得到参考图像的全部信息，研究的难度要低于半参考和无参考评价方法。目前全参考评价方法比起半参考和无参考评价方法要成熟的多，也取在实际应用中，通常无法获得完美质量的原始图像用于比较，这就大大地限制了全参考型图像质量评价方法的应用。因此，学者们提出了半参考型图像质量评价方法，即存在可供参考的原始图像的部分信息，可以使用这部分信息来对失真图像进行评价。这在一定程度了解决了没有完整参考图像的问题，只需要知道参考图像的部分信息就可对其进行评价，在某些场合有着广泛的应用。 甅和甁岢龅幕旌贤枷裰柿勘曜等人又对该方法进行了改进，提出了基于分裂归一化始图像的归一化系数与失真图像归一化系数分布的甃距离【】作为质量评价的指标，此作为图像特征，并综合原始图像和失真图像标准差、峰度和偏度的绝对误差 基王鱼墅窒回的玉叁耋图丝厦量迁盆硒宜以及系数分布间的甃距离，从而获得图像的质量测度。等人【】提出了一种图像降质的方法，它们利用数字水印的失真程度来表征图像的失真程度。该方法首先将原始图像经过小波变换后的频域信息嵌入数字水印，根据不同图像的小波系数分布自适应地调整水印的鲁棒性，在接收端提取失真后的水印，通过计算出水印的失真程度来评价图像质量，该方法在压缩图像进行评价时效果较好。在文献恐校琈热颂岢隽艘恢只谌死嗍泳跸低感知特性的 ，是在为了模拟人类视觉感知特眼感知到的图像特征。 基鱼受窒闷的玉叁耋图像厦量证俭硒宜压缩会产生块效应，如图所示，可以通过测量块边界的模糊程度来评价图像失真的程度。等人【】提出了一种基于空间域特征提取的方法，用来对图压缩造成的图像块效应，左侧为原始图像，右侧为压缩后的图像。 亟堂焦论塞计：硎拘诘扔赼的最小整数。其次，在水平方向评估图像信号的活动性，其中水平方向的活动性可以使用两个参、该方法在对压缩图像进行评价时，其评价结果与主观评价结果具有较好的一 适用于多种失真的通用算法，数量非常有限，研究起来也困难的多，而且现有的方法评价效果也不是很理想，无法满足生产和研究的需要，但是有着更广阔的应该前景。因此，对通用型无参考图像质量评价算法的研究已图像质量评价领域的重点。在设计通用性图像质量评价方法时，一般有全局框架方法和两阶段框架方法两种。其中全局框架方法不区分失真类型，也不需要知道图像的失真类型，给定一幅图像，对其提取特征，然后直接将该特征投影到图像质量。这种方法的优点是事先不需要知道图像的失真类型，给定任意一幅图像，即可对其进行评价。但是按照这种思想，失真程度相同但失真类型不同的图像在特征上引起的差异应该相同，但是这很难做到。例如，对于白噪声失真和模糊失真图像，失真程度相同时，白噪声图像的边界轮廓等信息明显清楚很多。两阶段框架是指对图像的评价过程分为两个阶段进行，第一阶段根据某种策略计算出测试图像的失真类型，知道了该图像的失真类型后，就进入第二阶段，开发出针对该失真类型的专用型算法。这种算法对于第一阶段的依赖程度很大，在第一阶段分类精度较高并且第二阶段专用型方法效率较好时才能去能好的结果。像进行龀叨龋个方向的变换。研究表明经过这种变换后，小波变换的子带系数呈估计，这样一幅图像就对应个特征尺度木较蚰参数缓笫褂肧 别为，。然后再知道了失真类型后，建立失真类型与的映射，使用其中，口是均值，叮是标准差，荄变换的系数。，和广义瑞尼熵大熵值作为描述图像各向异性的指标。投喾讲罾绽狗植 基壬鱼显窒闻数玉叁耋图像厦量迁盆至珏宜给定一幅测试图像，首先使用上述方法提取特征，然后找出能够使得后验概率图像数据库介绍，和焖偻嘶嫱枷据库还给出了该图像的主观评价分值，用来与客观评价方法计算出的分值进行比较，来 图库的原始图像和失真图像示例 亟堂僮途塞纱模型 基王色墅窒闷的玉叁耋图堡厦量置篮盟盈一厂曰 的变化敏感，因此在使用子采样来减少色度分量后，肉眼很难察觉到图像质量发生了变一一 为第三分量空间的方差值最大，这表明，使用色彩空间的某些信息，能够更好地表征自然图像的共植嫉捏梏眔 植嫉牟问齩植嫉模胊图库标准图的凳植迹嶂嵛狦分布的参数荆葜嵛狦分布的参数色彩空间的其他模型为了发现除了高斯模型之外更适合色彩空间的模型，本文对自然图像归一化亮度系 王自然图像颜色窒闷统让规，疰性班窒辍譬击志使用色彩空间模型参数进行分类实验，来测试色彩空间问捣掷嗟挠行浴贚獾中失真类型，戏直鸺扑鉍分布的参数值。训练集和灰度图像相同，因此分类结果也相同。白噪声图像的参数值和其他类型分的比较开，分 表库幅标准图拟合的均方误差的均值 植嫉牟问齩植嫉睦偈齉植嫉牡髊植嫉牟问齩 表使用色彩空间对库失真类型分类的精度本章小结 上一章我们研究了色彩空间的自然图像统计规律，发现色彩空间也具有类似空间域的统计模型，使用某些色彩空间分量进行分类的效果也要比单纯灰度空间要好一些，由此我们想到如果能够充分利用这些色彩空间分量的信息，把他们用到无参考图像质量评价中，将会得到令人满意的效果。本章我们利用色彩空间的信息，提出了一种无参考的评价方法，并对其进行了分析比较。仃，琈以弧，能够有效的捕研究发现，广义高斯密度函数口口”叫巩 然后，的平均值也提取作为特征： 主对角线方向拟合参数副对角线方向拟合参数评价指标 方法，区别是我们使用的是色彩分量的值。实验结果如表所示，表为使用在为 垒基王鱼墅窒闻数玉叁耋图像厦量证盆友这占洌缓笤诟每占涞腁分量提取特征进行评价，对失真类型的判断方式我们选择使用在某一色彩空间提取的特征用来对库存在的各种失真类型进行分类得到。首先把的每种失真类型分为测试集和训练集两部分，本文分别选择和的比例馐约脱盗芳恢睾。对训练集中的图像提取出表中所示特征，然后使用建立这些特征与图像失真类型的映射关系，就得到了一个分类模型。给定测试集中的一幅图像，同样提取上述特征，把该特征代入压缩失真、失真、白噪声失真、高斯模糊和快速退化失真五种失真类型的概率，的使用任意其他类型的分类器，其本文方法两阶段是分开进行的。 基王鱼墅窒闷鳇玉叁查图像厦量迁俭班窒彩空间进行实验。即对于失真的图像，我们选择占涞腁分类，至可咸崛卣鳎偈褂肁分量上的模型进行回归，得到该幅图像的评价分分类时我们使用了概率模型，图像属于这五种失真类型的概率分别为实验流程如图所示。閉 概率加卜堕、帧堋 垒基士色墅窒回的玉叁耋国堡厦量证俭左法从表和表中可以看出，本文方法在大多数的失真类型上要优于纯灰度空间结果进行综合，从而导致综合后的实验结果不如灰度空间。除了失真模糊图像之外，对于其他失真类型，本文方法都能取得较好的效果。尤其是对于白噪声失真的图像，从表和表中可以清楚的看出，白噪声图像的分类效如果能够较准确的分出图像的失真类型，将能够得到较好的结果。因此，对于大部分失真类型，本文方法比起单纯在灰度空间进行评价有着明显改善，但由于本文方法在很大程度上依赖于分类的精确性，如果分类结果误差较大则会造成结果的不稳定性，因此并不能保证对于每幅图像效果都能有所改善，如表中的高斯模糊失真就是一个例子。由于白噪声失真和压缩失真很容易进行分类，分类精度较高，因此评价结果提高的最为明显。快速退化噪声是由多种类型失真混合而成的，分类较为困难，使用色彩空间特征进行评价结果只是微小提高。 基王鱼受窒回的玉叁耋图傻厦量透俭班窒进行评价，这就导致我们的方法计算较为复杂，而且需要首先通过某种方法知道图像的失真类型，这就对分类的要求比较高，分类的精确度对结果有着很大的影响。第二，我们的方法需要一个训练的过程，当然训练时训练集越大分类结果将越精确，但是我们实验采用的是库的部分失真图像，训练集越小，虽然分类结果较好，但不能由此断定我们的结果比它们好。第三，上述两种全参考方法都是经过实践证明是有效地，方法甚至已经用到了某些工程应用中，而本文方法只停留在理论阶段，还需要进行大量的实验及分析。中的原因上面已经分析过，这里的情形与上面也类似。总的来看，这几个色彩空间中，效果相对好一些的是占浜蚘空间，这是由于占浜蚘空间是基于色差的，而图像的失真在色差上也会反映出来，这两个空间的分类结果也较好，这说明占浜蚘空间能够捕获灰度空间捕获不到的信息，合理的应用这些信息，应该能够改善灰度域的图像质量评价算法。从这两个表中还可以看出，实验结果的好坏和分类的程度并不是线性相关的，这是因为分类的精度在一定程度上会影响本文结果，但还需考虑第二阶段的组合评价过程。为了