局部方差在图像质量评价中的应用.doc

文章编号 局部方差在图像质量评价中的应用 王宇庆 （中国科学院长春光学精密机械与物理研究所，长春 吉林130033） 摘 要：为了进一步提高图像质量客观评价结果与主观评价结果的一致程度,将灰度图像的局部方差分布作为表征图像结构信息的一个重要特征, 增强了人眼敏感的细节信息，对局部方差分布矩阵进行奇异值分解，计算得到相应的奇异值特征向量, 通过计算待测图像与标准参考图像局部方差分布矩阵奇异值特征向量夹角的大小来度量两图像结构的相似程度，从而实现了对待测图像的质量评价。实验结果表明，所提的方法优于传统的MSE, PSNR以及SSIM方法,与人眼视觉特性的一致性较好。 关键词：图像质量评价;局部方差；奇异值分解；人类视觉系统 中图分类号：TP394.1；TH691.9 文献标识码：A Application of Local Variance in Image Quality Assessment WANG Yu-qing （Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun Jilin 130033,China） Abstract: tructural information was described by local variance. The effect of the detail structure in the image quality was emphasized accordingly. Singular value decomposition was performed on local variance distribution matrix. The angle between singular vectors of the reference image and the distorted image was used to measure the structural similarity of the two images. Then the quality assessment was achieved. Result from experiments shows that the proposed method is better consistent with human visual system characteristics than MSE, PSNR and SSIM. Key words: Image quality assessment; local variance; singular value decomposition; human visual system1 引言 评价各种图像处理装置或者算法性能的途径之一是评价其输出图像的质量, 已有的图像质量评价方法可以分为主观评价方法和客观评价方法两种[1]。主观评价方法通过人眼的主观观测给出图像质量的评价结果，虽然与人眼视觉特性的一致性较好, 但是也存在着由于过程复杂、耗时长，结果易受观察者的情绪、个人喜好以及测试条件和环境的影响而导致的稳定性、可移植性差等缺点。客观评价方法依据模型或者算法给出量化的评价结果，是目前图像质量评价领域的研究重点。均方误差(Mean Square Error，MSE)和峰值信噪比(Peak Signal Noise Ratio，PSNR)是两种常用方法, 由于没有考虑人眼视觉特性, 这两种方法在实际应用中经常出现评价结果与人的主观感觉不一致的情况。因此，大量新的评价方法相继出现，例如Wang等人提出的结构相似度(SSIM)的图像质量评价方法[2,3]，基于人类视觉系统(human visual system，HVS)特性[4-8]的图像质量评价方法[9-11]，以及基于小波变换的方法[12]等，这些方法虽然在不同程度上克服了传统方法的不足，但是由于HVS的复杂性，各种评价方法普遍存在着在某些情况下评价结果与人的主观感觉不一致的问题。 本文将灰度图像的局部方差分布作为表征图像结构信息的一个重要特征, 对局部方差分布矩阵进行奇异值分解，通过计算待测图像与标准参考图像局部方差分布矩阵奇异值特征向量夹角的大小来度量两图像结构的相似程度，从而实现了对待测图像的质量评价。实验结果表明，所提的方法优于传统方法 2 局部方差分布与奇异值分解 图像的高频部分是人眼比较敏感的内容，图像的细节也往往和高频部分有关，图像的局部方差较好的体现了图像的细节信息，所以可以通过分析图像局部方差的变化来分析图像的细节信息，或者也可以认为图像局部方差的分布包含了图像的