全參考圖像質(zhì)量評(píng)價(jià)算法研究.pdf

1、隨著數(shù)字多媒體技術(shù)的飛速發(fā)展，數(shù)字圖像在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用。但是在數(shù)字圖像的獲取、壓縮、傳輸?shù)冗^(guò)程中，圖像的質(zhì)量會(huì)下降。為了減小圖像處理系統(tǒng)對(duì)數(shù)字圖像的降質(zhì)，選用適當(dāng)?shù)膱D像質(zhì)量評(píng)價(jià)算法對(duì)圖像失真進(jìn)行衡量從而指導(dǎo)和修正圖像處理系統(tǒng)具有很高的研究和應(yīng)用價(jià)值。全參考圖像質(zhì)量評(píng)價(jià)是當(dāng)前最可靠的客觀圖像質(zhì)量評(píng)價(jià)算法，其中結(jié)構(gòu)相似度（Structural Similarity，SSIM）算法，梯度幅度相似度偏差（Gradient Magnit

2、ude Similarity Deviation，GMSD）算法都因計(jì)算簡(jiǎn)單并且結(jié)果可靠的優(yōu)點(diǎn)而被廣泛應(yīng)用。本文通過(guò)對(duì)以上兩種算法進(jìn)行分析后發(fā)現(xiàn)SSIM算法不能準(zhǔn)確評(píng)價(jià)白噪聲失真圖像與模糊失真圖像，GMSD算法與主觀評(píng)價(jià)一致性較差，本文主要對(duì)上述算法缺陷進(jìn)行改進(jìn)。
　　本文的主要成果如下：
　　1、提出一種判別白噪聲失真圖像與非白噪聲失真圖像的方法。本文分析了LIVE圖像數(shù)據(jù)庫(kù)II所提供的五種類型的失真圖像。根據(jù)所得到的分析

3、結(jié)果，并結(jié)合不同類型失真圖像的特點(diǎn)及圖像降質(zhì)模型的性質(zhì)，提出了一種根據(jù)原始參考圖像與待評(píng)價(jià)失真圖像的差圖像判別白噪聲失真圖像與非白噪聲失真圖像的方法。
　　2、提出一種基于白噪聲失真的全參考圖像質(zhì)量評(píng)價(jià)算法。在區(qū)分不同失真圖像類型的基礎(chǔ)上，本文算法針對(duì)白噪聲失真圖像與非白噪聲失真圖像分別進(jìn)行評(píng)價(jià)：對(duì)于白噪聲失真圖像，進(jìn)行平滑預(yù)處理后利用SSIM算法進(jìn)行評(píng)價(jià)；對(duì)于非白噪聲失真圖像，本文提出圖像的邊緣顯著圖，利用邊緣SSIM（Edge

4、 SSIM，ESSIM）對(duì)邊緣顯著圖進(jìn)行評(píng)價(jià)，以得到更為準(zhǔn)確的圖像質(zhì)量評(píng)價(jià)結(jié)果。采用該算法對(duì)LIVE圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)II中的982幅圖像進(jìn)行質(zhì)量評(píng)價(jià)，實(shí)驗(yàn)結(jié)果表明相對(duì)于SSIM算法，該算法具有更好的穩(wěn)定性及可靠性。
　　3、提出一種圖像平坦背景區(qū)域抑制算法。現(xiàn)有的圖像分割算法在抑制平坦背景區(qū)域時(shí)往往表現(xiàn)出很高的復(fù)雜性及對(duì)人機(jī)交互的依賴性，會(huì)大大增加系統(tǒng)開(kāi)銷。為解決上述問(wèn)題，本文運(yùn)用簡(jiǎn)單的形態(tài)學(xué)自適應(yīng)閾值操作對(duì)圖像進(jìn)行梯度抑制，并

5、結(jié)合形態(tài)學(xué)閉運(yùn)算得到梯度平坦背景區(qū)域抑制圖，最后和原灰度圖像相與而產(chǎn)生原圖的平坦背景區(qū)域抑制灰度圖。
　　4、提出一種基于平坦背景區(qū)域抑制的全參考圖像質(zhì)量評(píng)價(jià)算法。該算法在對(duì)圖像進(jìn)行平坦背景區(qū)域抑制后，通過(guò)求取圖像的梯度幅度、梯度幅度相似圖、梯度幅度相似圖均值而得到梯度幅度相似度偏差作為圖像客觀質(zhì)量評(píng)價(jià)結(jié)果。采用該算法對(duì)LIVE圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)II中的982幅圖像進(jìn)行質(zhì)量評(píng)價(jià)，實(shí)驗(yàn)結(jié)果表明相對(duì)于GMSD算法，該算法具有更好的穩(wěn)定