基于改進的質量評價算法的圖像質量檢測與評價

0質量評價psnr圖像質量評價分為主觀評價和客觀評價。主觀評估是以人為觀察者，最終接收圖像。因此，評估人類（尤其是專家）的行為是相關的。然而，主觀測試有限，時間長，不利于日常研究。同時，人類的視覺反應在主觀感覺上有其主觀感受。因此，為了形成統一的模型，有必要根據人類（尤其是時間）進行簡單、簡單、可靠的客觀測試，并根據主觀評估指標對圖像和視頻的質量進行客觀評估。也就是說，這些客觀測試的指標必須與主觀評估相對應。研究數字圖像質量的傳統方法是求出重建圖像與原始圖像的差別,將這些差別統一認為是噪波,并以峰值信噪比(PSNR,peak-signal-to-noiseratio)的分貝數作為指標客觀地表征數字圖像質量.但是PSNR只是一個綜合的結果,它并不能反應是哪一種原因造成圖像的降質,因而在實際中很有必要再分項深入研究能表征圖像降質原因的方法,也就是為常見的公認的數字圖像的各種失真尋找出相應的測試方法.而這些方法至少有下列3條原則是必需滿足的:①與主觀質量評價相一致;②能突出表征一種失真造成的后果而不受或盡量少受其他失真因素的影響;③對失真程度的數量表征明顯,并盡量有線性的相關性等.本文提出以PSNR為總的測試指標,以模糊系數、方塊效應、運動補償、幀速為分量的測試方案,并在文獻的基礎上對PSNR、模糊及方塊效應提出了改進方案.1psnr算法中圖像粗糙度計算PSNR公式中原始圖像(輸入圖像)的信號幅度多取255,認為原始圖像信號處于理想的滿幅度狀態(tài),圖像中亮度(或色度)最大處為峰值255,亮度(或色度)最小處為谷值0.這些值經過處理后成了重建圖像(輸出圖像),信號值產生了偏離,導致了圖像失真.這種計算方法約定俗成已成定式,但是仔細分析后,實際的圖像很難達到如此理想的狀態(tài).即在一幅實際圖像中,并不一定(或很難)都存在最亮點或最暗點,此時若一概以輸入圖像的幅值為255計算則顯然是不正確的.在這種情況下應以輸入圖像實際存在的亮度(或色度)最大值和最小值進行計算才是正確的.故本文建議采取如下公式計算PSNR(下列的計算以圖像亮度為例):10log[Yo,max(k)-Yo,min(k)2/Mse](1)均方差為Mse=1NΜse=1Ν∑i∑j∑i∑j[yo(i,j,k)-yi(i,j,k)]2(2)其中,N為輸入圖像或輸出圖像第k幀的像素總數;yi(i,j,k)為輸入圖像第k幀的第i行、第j列的像素亮度值;yo(i,j,k)為輸出圖像第k幀的第i行、第j列的像素亮度值;Yo,max(k)、Yo,min(k)分別為輸出圖像第k幀中最大、最小像素亮度的值.有些學者認為,如果輸入圖像的幅度差達不到255,只要先歸一化到255,仍可以用輸入圖像信號幅度為255的公式計算PSNR.實際上,這不符合實際圖像的傳輸幅度,而在傳輸過程中卻免不了有非線性的存在,導致了計算誤差.因此,直接與輸入圖像最大值與最小值之差相比,更能反映實際的PSNR.2求清晰度的方法圖像清晰度是視頻圖像最根本的指標,一幅圖像是否清晰并被觀看者認可是該圖像系統成敗的關鍵.當然,決定圖像清晰度的根本是圖像的像素含量,怎樣在有限的像素數的限制下取得更高的清晰度,是廣大相關專業(yè)的科技工作者孜孜以求的.圖像清晰度的下降源于圖像信號中高頻成份的損失,一般表現為邊緣模糊和細節(jié)減弱.實用中,由于圖像格式(像素數)不同,圖像清晰度的客觀測試只能是測量與原始圖像(輸入圖像)相比清晰度的下降程度.在前人研究成果的基礎上,文獻選擇了一種求清晰度的方式,即分別對原始圖像和重建圖像用微分型空間濾波器提取其高頻成份,再求二者的相對差值,定義為“模糊系數”.經過實際應用,發(fā)現它存在2個問題:①與圖像清晰度下降的主觀感覺相關性不好,且受圖像內容影響太大,不同的圖像得出的值相差較遠(見表1);②受圖像方塊效應的影響太大.方塊效應造成了附加的垂直與水平邊緣,增加了圖像的高頻成份,影響了測試結果.為此,改為用斜空間濾波求模糊系數,算法流程如圖1所示.考慮到圖像傳輸系統對邊緣和細節(jié)的傳輸一般是無方向性的,因此斜方向邊緣和細節(jié)的傳輸系數可以代表垂直、水平方向的細節(jié)傳輸,而由于輸出圖像的水平、垂直細節(jié)與方塊效應混在一起,不易代表模糊程度,故選斜方向的微分型空間濾波器(見圖2),只比較斜方向邊緣和細節(jié)的傳輸,即可代表整個圖像邊緣和細節(jié)的傳輸系數,即模糊系數:Kblur=Si,out/Si,in(3)其中斜邊緣能量特征為Si=∑i∑j∑i∑j|y′f(i,j,k)|(4)其中y′f(i,j,k)為第k幀、第i行、第j列的亮度值經過斜方向微分型空間濾波器處理后得到的值.可見,Kblur為輸出的邊緣能量和輸入邊緣能量比值.假定圖像序列無其他失真,那么k值的范圍一般在0～1之間,k值越接近于1,圖像清晰度越高,結果表現越鮮明.該方案實現方法簡單,只用一個濾波模板就可以計算模糊程度,而且結果簡明扼要.3垂直與水平邊緣無論是H系列還是M系列圖像壓縮編碼標準均是以二維余弦變換即DCT變換為核心算法,為此對圖像分塊(8×8、16×16等)是必要的.隨著壓縮比的增大,圖像中的塊效應會增加,導致在圖像中出現馬賽克(Mosaic).塊效應的出現增加了重建圖像中的垂直和水平邊緣,如果單純用微分型垂直和水平二維空間濾波器濾出垂直與水平方向的邊緣,則必與圖像內容中真正存在的垂直與水平邊緣混在一起,因而必需去除這部分,剩下的才是塊效應導致的垂直與水平邊緣.即輸出圖像的水平、垂直邊緣可視為2部分:①輸入圖像中本來就有的水平垂直邊緣;②方塊效應產生的水平垂直邊緣.前面已經提到,設一般的傳輸系統對圖像邊緣的響應沒有方向性,則可以先用微分型正空間濾波器(見圖3)求出輸入圖像的垂直與水平邊緣和細節(jié)值,乘以前面求出的邊緣與細節(jié)傳輸系數Kblur,得到重建圖像無方塊效應邊緣在內的圖像垂直與水平的邊緣與細節(jié)值,再用微分型正空間濾波器求出重建圖像垂直與水平總的邊緣與細節(jié)值,2值相減即可得到屬于方塊效應的垂直與水平邊緣值,取相對值表示如下.方塊效應系數Kblock=1-KblurSV,in/SV,out(5)其中SV=∑i∑j∑i∑j|y′e(i,j,k)|,為一幀圖像經正空間濾波器得到的水平垂直方向的邊緣能量和.此方案Kblock系數的大小一般在0～1之間,方塊效應越明顯,該系數就越接近于1,方塊效應越小系數越接近于0.4輸出圖像的增益與直流偏置校正為了對實際的視頻圖像傳輸系統進行客觀測量,必需用計算機采集輸入圖像(原始圖像)和輸出圖像(重建圖像),然后再研究二者之間的差別并求出相關的客觀測量指標.但實際采集到的輸出圖像相對于輸入圖像已有很多變化,必需進行預校正.①圖像對位由于傳輸時延和采集顯示誤差等原因都會導致輸出與輸入圖像之間的錯位,必需按像素進行精確地對位,才能進一步計算二者的差值.為此應該用估計二者均方差的辦法使二者準確對位.②增益與直流偏置校正實際的傳輸系統會使輸出圖像的增益和直流偏置發(fā)生變化,需用以下公式進行校正.設原始圖像的亮度為Yin,重建圖像的亮度為Yout,傳輸通道的亮度增益gy可定義為gy=stdev(Yout)stdev(Yin)=gy=stdev(Yout)stdev(Yin)=[1N∑∑Y2out(i,j)]?[mean(Yout)]2√[1N∑∑Y2in(i,j)]?[mean(Yin)]2√=[mean(Y2out)]?[mean(Yout)]2√[mean(Y2in)]?[mean(Yin)]2√[1Ν∑∑Yout2(i,j)]-[mean(Yout)]2[1Ν∑∑Yin2(i,j)]-[mean(Yin)]2=[mean(Yout2)]-[mean(Yout)]2[mean(Yin2)]-[mean(Yin)]2其中,mean(Y)=∑Y/N,N為一幀內總像素數.傳輸通道的直流偏置為Iy=mean(Yout)-gymean(Yin)(6)求出gy和Iy之后應對重建圖像作如下處理:Y′out=(Yout-Iy)/gy(7)其中Y′out為經過增益與直流偏置修正后的重建圖像序列.5實驗環(huán)境設定使用VisualC++編程實現了所提出的模糊、方塊效應的算法并對文獻中的算法做了實驗比較.選取suzie.cif、child.cif和rrn.cif3個不同特征的原始序列作為實驗對象,對這些原始序列采用H.264協議按照不同的參數分別進行編解碼生成不同圖像質量的重建序列,將重建圖像和原始圖像的質量進行比較得出模糊、方塊效應的質量評價.實驗環(huán)境設定如下:①GOP(groopofpictures)為12;②測試的幀數為45幀,最后的測試結果取前45幀的平均值;③播放速度為30幀/s,用于主觀測試.將本文的算法與傳統的算法進行比較,結果如表1、表2所示.新方法中序列的前45幀結果的均值、sobel模版求模糊系數和方塊效應系數的算法參考文獻.關于PSNR的實驗環(huán)境,本實驗取1幀測試,其他測試環(huán)境與模糊、方塊效應測試環(huán)境類似,結果如表1～3所示.以上為suzie.cif、child.cif和rrn.cif經過H.264編解碼得到的重建圖像的質量評價,重建圖像質量的主觀評價分別為5分、4分和3分,將