基于Contourlet的梯度結(jié)構(gòu)相似度圖像質(zhì)量評(píng)價(jià).pdf

1、圖像質(zhì)量評(píng)價(jià)已經(jīng)從圖像處理中分離出來(lái)成為一個(gè)獨(dú)立的研究領(lǐng)域。圖像信息的最終接受者是人,所以主觀方法是可靠的。但需要多次重復(fù)實(shí)驗(yàn),費(fèi)時(shí),難以應(yīng)用到實(shí)際中?？陀^圖像質(zhì)量評(píng)價(jià)方法成為了研究的熱點(diǎn),傳統(tǒng)的客觀評(píng)價(jià)方法計(jì)算簡(jiǎn)單,但由于它沒有考慮人類的視覺感受以及圖像本身的特點(diǎn),經(jīng)常與人的主觀評(píng)價(jià)脫節(jié)。Zhou.Wang等人結(jié)合結(jié)構(gòu)失真理論提出的結(jié)構(gòu)相似度(SSIM)算法雖然很優(yōu)越,但也存在不足。
　　本文深入分析了SSIM算法,通過實(shí)驗(yàn)驗(yàn)證

2、SSIM的優(yōu)越性,同時(shí)指出了SSIM在評(píng)價(jià)同一幅圖像不同失真類型時(shí)存在一定的誤差,該問題主要存在于嚴(yán)重模糊的圖像中。模糊圖像的紋理特性受到破壞,而SSIM方法中的結(jié)構(gòu)比較(s)分量并不能準(zhǔn)確的反映這種變化,圖像的梯度可以很好的反映出邊緣及紋理的變換情況。所以本文在引入梯度信息的SSIM算法的基礎(chǔ)上,考慮Contourlet擁有良好的類似于人類視覺系統(tǒng)(HVS)的特性,具有局部化、多尺度、多方向等優(yōu)良特性,提出了基于Contourlet的

3、梯度結(jié)構(gòu)相似度(CGSSIM)圖像質(zhì)量評(píng)價(jià)算法。
　　CGSSIM算法將梯度結(jié)構(gòu)相似度(GSSIM)算法用于Contourlet分解頻帶的各方向子帶,得到各帶通方向子帶的梯度結(jié)構(gòu)相似度,然后對(duì)各帶通方向子帶的梯度結(jié)構(gòu)相似度求加權(quán)和得到整幅圖像的基于Contourlet的梯度結(jié)構(gòu)相似度(CGSSIM)。權(quán)值通過實(shí)驗(yàn)根據(jù)人眼對(duì)不同帶通方向子帶敏感度確定。通過實(shí)驗(yàn)證明了CGSSIM算法對(duì)同一幅圖像的高斯模糊和白噪聲失真圖像交叉評(píng)價(jià)時(shí)可以