质量评价报告_第1页
质量评价报告_第2页
质量评价报告_第3页
质量评价报告_第4页
质量评价报告_第5页
已阅读5页,还剩13页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、图像质量评价技术路线1研究现有图像质量评价方法,利用Livedatabase对其进行分类实验,得出其适用图像降质 类型和评价的精确程度。2提出几种新的针对压缩重建图像和超分辨重建图像的质量评价算法。利用Livebase进行 验证。3由于遥感影像相对于自然影像,有其特殊性,必须建立遥感影像主观评价库,将新算法应 用于此图像库,验证其在评价遥感压缩影像上的有效性。主观评价方法主观评价主要是由人在感性认识上从主观感觉和统计结果的角度对图像质量做出相应 的判定,主要的方法是目视判读。人类视觉系统被认为是最精密的光学成像系统,通过人眼 接收物体的反射光在大脑中成像,然后由大脑根据储存的经验知识进行分析得

2、到结论,这个 过程所需时间很短。因此主观评价方法具有直观、简单的优点。图像质量评价离不开视觉评价,主观评价方法可以从配准、影像的整体亮度、色彩、反 差、清晰度、影像内纹理、地物边缘、是否有蒙雾或马赛克等现象出现等方面做出判定,直 观地得到图像在空间分解力、清晰度等方面的差异。但是这种方法的主观性比较强,人的视 觉对影像上的各种变化并不都很敏感,图像的视觉质量强烈地取决于观察者,具有主观性、 不全面性。客观评价方法目视判读的优点是操作简单、效率高,可以有效剔除一些质量差的影像,避免无谓的工 作,但是这种判定会因为观察人员的素质、经验、水平的不同以及外部环境的影响而产生较 大的差异,因此需要有易于

3、掌控和科学支持的定量评价方法。客观评价方法主要就是采用定 量的评价指标对影像做定量分析,由此获取对图像质量好坏的判定。按照对参考图像的需求,可将客观评价方法分为三类,分别为:无参考、部分参考和完 全参考图像质量评价。分类介绍如下:1无参考图像质量评价方法单幅图像的信噪比SNR给定一幅图像,若需要估计它的信噪比,则可以在图像上找一个平坦区域,在平坦区 域计算局部方差并平均作为噪声方差,在许多情况下图像中没有适合的平坦区域,则可以用 如下算法来估计信噪比:计算图像的局部方差,图像边界附近的方差不考虑在内。用图像局 部方差的最大值和最小值之比作为图像信噪比的估计。此方法只适用于SNR在20到60之

4、内的图像。信息熵 E(entropy)嫡(Entropy)是用来表示任何一种能量在空间中的均匀分布程度。能量分布得越均匀, 嫡就越大。如果对于一个系统,当其能量完全均匀分布时,那么这个系统的嫡就达到最大值。在信息论中Shannon引入信息熵,即事件发生的不确定程度。如果一个事件(例如收到一个 信号)有n种可能的结果(A” 42, ),且每个结果&出现的机率分布为P(i=1,2, ),那么最终结局在出现之前的不确定程度H为:H = C p In pi=1其中C是常数,它与对数进制有关(如果现在二进制,则C = 1;如果现在e进制,则 C = 1/ln2)。根据这个理论,可以得到影像的信息熵E为:

5、E 一工尸性尸(i) i=0其中P(i)是某个像素值i在影像中出现的概率,n是灰度值范围(一般为0225)。影像的信息熵E值越大,则影像中偏离影像直方图高峰灰度区的大小越大,所有灰度 值出现的机率趋于相等,影像携带的信息量越大,信息越丰富。Matlab函数:function s=entropy(image)。平均梯度G( gradient)平均梯度可敏感地反映出影像对微小细节反差的表达的能力,在影像中,某一个方向的 灰度级变化率大,则它的梯度也就大。定义平均梯度的表达式为:G = L 性 nm x n i=1 G = L 性 nm x n i=1 j=1(冬)2+(f )2oxoyk ij 人

6、)其中,m、n分别为影像的宽和高,f j为影像像素(i,j)的灰度值。用平均梯度值来衡量影像的清晰度,能够反映出影像中微小细节反差和纹理变换特征, 一般说来,该值越大,影像层次越多,影像就越显得清晰。可以予以评价融合结果影像的细 节表达能力。Matlab函数:function varargout = gradient_average(f,varargin) 标准差 b (Standard_eviation)根据统计学中的知识,可以得到有关影像灰度的均值与标准差的定义,如下:灰度平均值R =1弓 ni=15 U (Xi )2V n 1i=1其中,n表示影像中像素的总数,x,为第i个像素的灰度值。

7、灰度平均值p即是影像亮 度的平均值,一个适中的亮度均值可以反映出影像的效果比较理想;标准差。是影像灰度值 相对于均值的分散度的测定,值越大则影像的灰度范围越是趋于分散,图像的反差大,得到的影像的信息量也越大;反之,则反差小,对比度不大,色调单一均匀,信息量小。融合影 像的分辨率与替代影像的标准差相关,一般来说,替代影像的标准差越大,影像的分辨率越 高。Matlab函数:function sd = standard_deviation(img)。空间频率 SF( spacial_frequency)空间频率反映了一幅影像空间的总体活跃程度,它包括空间行频率RF以及空间列频率CF,其表达式为:RF

8、 =:工室(f - f )2 小 X 气=1 j=2RF =:CF =:工您(f - f )2 挪 X 气=2 J=1LJ *综合两者得到整体空间频率值:SF = %RF 2 + CF 2其中,m、n分别为影像的宽和高,f,j为影像像素(i,j)的灰度值。Matlab函数:function sf = spacial_frequency(img)。无参考压缩质量评价 NRQA(No Reference Quality Assessment)无参考压缩图像质量评价主要针对JPEG2000压缩图像,利用自然图像和压缩重建图像 的小波域统计特性对比,反映了一幅影像的高频损失程度,从而表明其压缩重建质量

9、,其表 达式为:q1q2q1q2qq1- 4(qi+q2)2q/ 、2q1- 6Q = q T w其中,Ki,Ti是通过训练样本的曲线拟合得到的,ui是训练样本均值,pss是联合概率 分布,w值是训练样本时,使质量指标误差最小得到的。Matlab函数:function NRQA = jp2knr_quality(img)。2完全参考图像质量评价方法把所有方法都应用于LIVE database,测出其与主观一致度。峰值信噪比PSNR如果认为标准参考影像是信息,且处理结果影像与标准参考影像的差异是噪声,那么定 义结果影像峰值信噪比(Peak Signal Noise Ration)表达式为:PSN

10、R = 10 lgRMSE 2max( Fi, j) - min( Fi, j)PSNR = 10 lgRMSE 2其中,m、n分别为影像的宽和高,Rj,广F. j分别为标准影像和结果影像在对应像素(i, j)的灰度值,max、min分别表示取最大值和取最小值。Matlab 函数:function PSNR = Peak_snr(img1,img2).主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.78460.73310.95130.61320.7878RMSE7.6098.3553.5749.9167.684结论:PSNR基本可以评价压缩、

11、模糊和加噪这几种降质类型的图像,但对加噪 图像评价最为精确。通用质量评价指数 UIQI(Universal Image Quality Inde对4。xy Q =xy=(b; +b 2)( x)2 + (y )2其中,x,y分别为参考图像和重建图像的均值,b a 2分别为其方差,。xy为两幅图像的 协方差。若两幅图像完全相同,UUIQI值为1,重建图像越接近原始影像,UIQI值越接近1,重建效果越好。Matlab函数:function UIQI = UnlmgQualndex(img1,img2)。主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square

12、0.81490.85150.60890.8263RMSE10.599.4313.919.235结论:UIQI并不能很好的评价实验中的几种降质类型图像。交叉熵 cross_entropy对于两个随机变量x,y,它们在各自的采样空间中的概率分别为px、py,则定义两者 的交叉嫡(Cross Entropy)的表达式为:CE = Z p log2x,yP y交叉熵可以用来测定两幅影像灰度分布的信息差异,如果原始影像与处理后影像的灰度分布概率分别为:P =P ,P ,P ,q = q ,q ,q (影像灰度范围0n),则01n01n可定义两者的交叉熵的表达式为:P, qCE = ZpP, qi=0Ma

13、tlab 函数:function ce = cross_entropy(img1,img2)。 主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.8767RMSE8.591结论:交叉熵只能用于评价JPEG压缩重建图像,且并不精确。全图最大局域误差LME , Local Maximum Error全图最大局域误差评价处理后图像与原始影像每一固定大小区域之间的最大误差,误 差越大,处理后图像质量越差。LME = MAX空 n e(i, j)s,i=s j =tMatlab 函数:其中,1V s M m, 1 t N -n,e(i, j) =1 f

14、(i, j) - g(i, jMatlab 函数:JPEG2000JPEGwngblurfastfadingR-square0.94620.8460.98430.92930.868RMSE5.7099.5612.7845.8188.073function LME = local_maximum_error(x,y);主客观评价曲线拟合结果结论:LME可以较好的评价实验中的几种降质类型的图像,其中,对加噪图像 评价最为精确。光谱扭曲度 spectrum_distortion_(fegree单波段影像的光谱扭曲度的表达式为:d=mL Z Z |、厂,ji=1 j=1其中,m、n为影像宽和高,Xj,

15、广x,j分别为原始影像和结果影像上对应像素(i,j)的灰度值。光谱扭曲度可以用于反映结果影像与原始影像在光谱信息上的差异的大小,也常被称为 偏差,其值越小,则表明两者差异越小,重建效果也就越好。Matlab函数:function sdd = spectrum_distortion_degree(img1,img2)。主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.91070.75430.98650.80180.8759RMSE7.35312.082.5849.7967.873结论:SDD基本可以用来评价实验所包括的几种降质类型的图像,其中,对

16、加 噪图像的评价最为精确。偏差指数 Difference_Index偏差指数(Difference Index)用来比较结果影像和原始影像偏离的程度,定义结果影像 的偏差指数的表达式为:DI = -芯 “ | 七一m x nxi=1 J =1i, j其中,m、n为影像宽和高,Xj,广x,j分别为原始影像和结果影像上对应像素(i,j) 的灰度值。偏差指数的大小反映了结果影像对原始影像的保持程度,偏差指数越大,则融合结果影 像的失真越大,重建效果越差。Matlab函数: function di = difference_index(img1,img2)。 主客观评价曲线拟合结果JPEG2000JP

17、EGwngblurfastfadingR-square0.9104RMSE6.657结论:DI只能用于评价加噪图像,且并不精确。相关系数 correlation_coefficient相关系数能够反映两幅影像的光谱特征的相似程度,定义结果影像F与原始影像Ai的 相关系数的表达式为: (x;,-X,)( X,,- X)P = i=1 j=1,(x -x)2i, ji, j i=1 j=1其中,m、n为影像宽和高,x,广x,j分别为原始影像和重建影像上对应像素(i,j) 的灰度值,X、X分别为原始影像和结果影像像素灰度均值。重建影像与原始影像的相关系数越大,重建影像质量越好。Matlab函数:fu

18、nction cc = correlation_coefficient(img1,img2)。主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.8170.85210.60780.83RMSE10.539.40913.939.216结论:CC基本可以用来评价除高斯模糊外的几种降质类型的图像,但是都不能 做到精确。高频分量相关系数HF高频分量相关系数是重建影像与原始影像的高频分量的相关程度,计算该系数可以用于 评价重建影像的空间分辨率大小,因此,这种评价方法可用于经超分辨率处理后的影像质量 评价。为了提取高频分量,现将重建图像F进行一层小波分解,得

19、到低频、水平方向高频、 垂直方向高频、对角方向高频四个分量,原始影像At也依次处理,然后对水平、垂直和对 角三个方向的高频分量做相关计算,得到高频分量相关系数表达式为:_ CR(Fh,Ah,) + CR(Fv,Av.) + CR(Fd,Ad,)HFFAi其中,CR表示求取两幅影像的相关量,定义为: TOC o 1-5 h z r尤 1L (X - X )2 HYPERLINK l bookmark160 o Current Document CR (F, A) -1- i=1 J=1 -2_史尤 (X - X )2 E ILx 2尤 & 2i-1 J-, Ji /i-1 J-1i,Ji-1 j

20、-1、,0,其它影像的清晰程度取决于高频分量,因此对高频分量做相关运算,可以利用相关结果评估 融合结果的效果。Matlab函数: function HF = high_frequency(img1,img2)。主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.86680.94570.86250.8839RMSE8.9845.7038.2467.499结论:HF可以较好的评价除快速退化外的几种降质类型的图像,但是并不精确。结构相似度 SSIM,Structure Similarity结构相似度从处理后图像与原始影像的结构,亮度和对比度之间的相似性

21、出发,评价 一幅重建影像的质量优劣。两幅相同图像,相似度为1,重建图像质量越差,相似度越接近 0.SSIM其中,吁(2 日日 + C )(2 b + C )SSIM其中,吁(日 2 + 日 2 + C )(b 2 + b 2 + C )x y 1 x y 2七为两幅图像的均值,代表图像的亮度分量;bx,by为两幅图像的方差,代表图像的对比财量C代表两幅图像的结构牌Matlab函数:function mssim, ssim_map = ssim_index(img1, img2, K, window,L)。主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-squ

22、are0.93950.93750.97750.87280.9374RMSE6.0526.1153.3367.8485.593结论:SSIM可以较好的评价实验中几种降质类型的图像,其中,对加噪图像的 评价最为精确。边缘信息保持指数EPI,Edge Preserve Index边缘信息在滤波处理前后的变化是评价滤波要指标,保持图像的边缘信息,使经过去噪 图像边缘不模糊,边缘点不位移,对于后续几何校正和边缘提取乃至分类都有重要的边缘保 持指数是一种客观的统计特征指标,计算公式如下:(I p - p I +1 p - p I +1 p - p I元元 (i,j)(i-1,j-1)(i,j)(i-1,

23、j)(i,j)(Tj+1)乙尤 + I p - p I + I p - p I + I p - p I (i,j)(i, j-1)(i,j)(i, j)(i,j)(i, j+1)iT jT + I p - p I + I p - p I + I p - p I) EPI = (i,i)(i+1,j-1)(i,i)(i+1,j)|(i+1,j +?)(Tq-qI +1 q-qI +1 q-q I元元 (i,j)(i-1, j-1)(i,j)(i-1, j)(i,j)(Tj+1)尤乙 +1 q - q I +1 q - q I +1 q - q I (i,j)(i, j-1)(i,j)(i, j)

24、(i,j)(i, j+1)iT jT +1 q - q I +1 q - q I +1 q - q I)(i,j)(i+1, j-1)(i,j)(i+1, j)(i,j)(i+1,j+1)式中:EPI为边缘保持指数,M、N为图像,p( i,j)、q(i,j)分别为处理后的图像和原图在(i,j) 处的灰度值。若处理后图像若比原图模糊,则EPI小于1,若锐化,则EPI大于1,若 EPI值接近1,说明处理后图像与原图接近,效果最好。Matlab函数:function epi = edge preserve index(x,y);主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfa

25、dingR-square0.77930.75040.89980.95990.7808RMSE11.5112.237.0384.40410.46结论:EPIW以用来评价实验中几种降质类型的图像,其中,对高斯模糊图像的 评价最为精确。通过对上述已有算法的实验分析和结论,可以看出:目前并没有较好的针对压缩 影像的质量评价算法,对此,我们提出了基于图像结构特征提取的几种图像质量 评价方法,简述如下:3部分参考图像质量评价方法流程图:图1部分参考图像质量评价流程图在此思路的基础上,根据特征提取的方式和差值向量的权重赋予方法不同,提出了以下三种质量评价算法:视觉权重奇异值算法BWSVD利用奇异值分解对图像

26、进行特征提取,如下式所示:I = U S -V T orgorg org orgI = U S -V T disdis dis dis其中,I为参考图像矩阵,S为参考图像的奇异值向量,U ,V 分别为其左右奇异 orgorgorg org值向量矩阵;I为压缩重建图像矩阵,S为压缩重建图像的奇异值向量,U ,v .分 disdisdis dis别为其左右奇异值向量矩阵。D,= SorgfD = d , i = 1,2,., k其中,D表示参考图像和压缩重建图像的奇异值差值向量,d;表示D中的元素,i表示奇 异值向量的第i个元素。为了更好地表征图像,本文提出均值偏差的概念,用以表述剥除奇异值信息之

27、外的图像残余信息,定义均值偏差率为:IuD =二uorg AuI为了更好地表征图像,本文提出均值偏差的概念,用以表述剥除奇异值信息之外的图像残余信息,定义均值偏差率为:IuD =二uorg AuIorg Au Idis A其中,uorgAIdA的均值。分析矩阵的奇异值向量可知,向量的前几个元素值即较大奇异值包含较多的图像结构信息,因而我们提出奇异值权重向量的概念,其定义即计算公式如下:512 -SVDJ -1 d lii=1、|l+ Du同时考虑人眼视觉对纹理的敏感度,提出如下公式:hw丰0hw = 0hw = 0,1hw丰0hw = 0hw - W_SVD B _ SVD =-I ref d

28、is 其中,hw为不同平坦区域的不同视觉权重。最后,得出压缩图像评价测度:_n一一BWSVD =Z B_SVD / njj=1其中, ref, dis分别表示参考图像和压缩重建图像对应块的均值,n为图像分块数,B_SVDj为第j个图像块的B_SVD值。Matlab函数:function BWSVD = block_weighted_svd(x,y);主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.8767RMSE5.232结论:BWSVD可以较精确的评价JPEG2000压缩重建图像质量。Contourlet域奇异值算法CWSVD利用Conto

29、urlet分解对图像方向性结构的提取功能,将图像进行Contourlet变换,再运 用奇异值分解算法,可以更好的提取图像主要结构特征。对参考图像和压缩重建图像分别做4方向和8方向的2层Contourlet变换,将每个子带分成8x8的块,求取每块图像的评价测度W_SVD。则每个子带的评价测度为:SW_SVD = 1 W_SVD/nj=其中,SW_SVD为单个子带评价测度,n为子带分块数,B_SVD j为第j个图像块的B_SVD 值。对每个子带的测度值进行CSF加权,公式如下:CSF(f) = 2.6(0.0192+0.114 v2 xf)e-(0.ii4x 折1.1得出最终图像质量评价测度WCS

30、VD :工 CSF - SW_SVDiiCWSVD = =工CSFii=1其中,刀为Contourlet分解子带数。Matlab函数:function CWSVD = contourlet weighted svd(x,y);主客观评价曲线拟合结果JPEG2000JPEGwngblurfastfadingR-square0.95010.94320.96060.9495RMSE5.4985.8334.3675.023结论:CWSVD可以较精确的评价除加噪外的几种降质类型的图像质量。选取几种评价算法,将其运用于遥感影像压缩库,得出如下数据:主客观评价曲线拟合结果PSNRLMEUIQIMSSIMBW

31、SVDCWSVDR-square0.54080.75670.76550.84590.87670.9454RMSE9.7927.3497.2135.2485.2323.482(a)(b)(c)(d)(e)(f)图 2 (a)、(b)、(c)、(d)分别为 PSNR、LME、UIQI、MSSIM、BWSVD 及 CWSVD与主观评价指标的曲线拟合图结论:由以上图表可知,针对压缩重建遥感影像,我们提出的两种算法,特别 是CWSVD要远优于传统算法PSNR、LME、UIQI及MSSIM。超分辨图像质量评价基于寄生波纹抑制和高频能量分布的超分辨重建图像质量评价指标:基于目前并没有一个较好的超分辨重建影像

32、评价客观指标,为了评价其质量,我们首先 需要分析超分辨影像的特点:1首先,实际应用中,我们很少能得到与重建后影像相对应的高分辨率影像。这使得较成熟 的完全参考质量评价方法不适用于评价超分辨重建影像。2其次,超分辨重建过程主要是对图像的高频部分的处理,我们认为,图像低频部分并不会 受到较大影响,这就给了我们一定的参考标准,即低频不变性。3最后,超分辨重建影像不可避免会在边缘,细节等处存在寄生波纹现象,这是影响超分辨 影像质量的一个重要方面。基于以上特点,超分辨重建后的图像增加的高频信息可分为两个部分:1,虚假信息,2, 真实信息。如何定义虚假信息呢?在这里,我们认为:振铃效应是一种边缘,细节的复制和重现, 属于虚假高频信息,所以,在评价超分辨率的空间分辨率提高程度时,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论