圖像質(zhì)量客觀評價方法研究與實現(xiàn)

1、    圖像質(zhì)量客觀評價方法研究與實現(xiàn)    劉帆 強發(fā)軍 趙明旭 倪旭 韓冷摘要：本文對圖像質(zhì)量主觀評價和客觀評價方法進行了介紹和優(yōu)缺點分析，針對主觀評價方法耗時耗力、隨機性大等缺點，構(gòu)建了一種圖像質(zhì)量客觀評價模型，介紹幾種常用的圖像質(zhì)量客觀評價算法并對其進行計算機仿真，實現(xiàn)了多路圖像質(zhì)量高低定量排序。進行對比實驗，對該圖像質(zhì)量客觀評價模型進行驗證，實驗結(jié)果表明該模型所采用的客觀圖像質(zhì)量評價與主觀評價基本保持一致。關(guān)鍵詞：圖像處理;質(zhì)量評價;主觀評價;客觀評價;算法設(shè)計：tp391.41 ：a ：1007-9416（2020）06-0107-041 圖

2、像質(zhì)量評價方法圖像質(zhì)量的評價方法可以分為主觀評價和客觀評價兩大類，其中，主觀評價方法直觀、比較準確以及有效，但是由于在一定的測試環(huán)境中由多個觀測者來對圖像進行評分，然后對大量評分數(shù)據(jù)進行統(tǒng)計分析，因此耗時，不易實現(xiàn);客觀評價方法一般是由某個數(shù)學模型來計算出圖像質(zhì)量的分數(shù)，比較經(jīng)濟實用，但是要求客觀評價的結(jié)果應(yīng)該與主觀評價的結(jié)果具有較好的相關(guān)性。1.1 主觀評價方法圖像質(zhì)量主觀評價就是選擇一批非專業(yè)的觀測員，讓他們在特定的環(huán)境下，連續(xù)觀看一系列的測試序列，觀看時長大概10到30分鐘，然后采用不同的方法讓他們對視頻序列的質(zhì)量評分。主觀評價結(jié)果有兩種表示方法：一種是絕對評分mos（mean opin

3、ion score），表示待測視頻的絕對質(zhì)量;另一種是差值表達dmos（difference mean opinion score），表示待測視頻與參考視頻質(zhì)量的差值。主觀評價方法主要包括雙刺激連續(xù)質(zhì)量分級法、雙刺激損傷分級法、單刺激連續(xù)質(zhì)量評估法、絕對分類評價法等4種。由于人是視頻的最終接收者，因此主觀評價是最可靠和最準確的方法。但是主觀評價方法需要投入大量的人力和物力，測試環(huán)境要求嚴格，評測得到結(jié)果所需時間長，而且無法嵌入到實際的系統(tǒng)中，應(yīng)用范圍很有限。目前主觀評價方法主要用于驗證客觀評價方法的有效性，可以根據(jù)主觀評價實驗來驗證其他方法的結(jié)果。1.2 客觀評價方法圖像質(zhì)量主觀評估由于需要大

4、量的非專業(yè)人員對圖像進行評價，比較耗時且結(jié)果易受多種因素影響，因此在實際應(yīng)用中需要一種客觀的、簡單的圖像質(zhì)量評價方法。根據(jù)用于評價的輸入數(shù)據(jù)形式，可以將客觀評價方法主要分為五類：（1）媒體層模型（media-layer models），利用解碼后的視頻信號來計算體驗質(zhì)量qoe（quality of experience），不需要測試系統(tǒng)的任何信息，因此能很好應(yīng)用到如編解碼比較和編解碼優(yōu)化的場景中。（2）帶參數(shù)的包層模型（parametric packet-layer models），與媒體層不同的是，該模型預(yù)測qoe只用到包頭的信息，而不接觸媒體信息，因此該模型的算法復(fù)雜度低。（3）參數(shù)規(guī)劃模

5、型（parametric planning models），只使用與媒體相關(guān)的網(wǎng)絡(luò)規(guī)劃參數(shù)和終端應(yīng)用參數(shù)，因此需要事先知道測試系統(tǒng)的信息。（4）碼流模型（bitstream-layer models），利用碼流信息和包頭信息來度量qoe。（5）混合模型（hybrid models），將以上兩個或更多的模型特性結(jié)合一起，能夠使用的信息更加全面。1.3 影響圖像質(zhì)量的因素在研究圖像頻質(zhì)量評價方法前，有必要分析影響圖像頻質(zhì)量的因素。一方面，當前網(wǎng)絡(luò)帶寬有限，如果要在網(wǎng)絡(luò)上實現(xiàn)圖像頻高速傳播，必須對圖像頻進行一系列處理，如信號采集、壓縮等1-2，這樣可以減小圖像頻文件的大小以適應(yīng)網(wǎng)絡(luò)帶寬。然而，對圖像

6、頻進行壓縮處理的同時，必然會引起圖像頻質(zhì)量下降。另一方面，網(wǎng)絡(luò)的不可靠性同樣會對圖像頻帶來各種各樣的失真。當前ip網(wǎng)絡(luò)盡力傳輸機制，無法保證服務(wù)質(zhì)量。同時，在現(xiàn)實網(wǎng)絡(luò)中有諸多不穩(wěn)定的因素如：網(wǎng)絡(luò)傳輸過程中，設(shè)備電壓不穩(wěn)，導(dǎo)致比特傳輸錯誤;網(wǎng)絡(luò)發(fā)生堵塞，導(dǎo)致數(shù)據(jù)包丟失。所以不可靠的網(wǎng)絡(luò)傳輸也是圖像頻質(zhì)量降低的重要原因。由此可知網(wǎng)絡(luò)應(yīng)用的圖像頻質(zhì)量的損傷主要來源于兩個因素。一是為了適應(yīng)網(wǎng)絡(luò)的需求，對圖像頻進行壓縮編碼，而有損壓縮的編碼方式使得解碼后的圖像頻無法完全恢復(fù)成原始圖像頻，從而產(chǎn)生的圖像頻質(zhì)量模糊等現(xiàn)象。二是網(wǎng)絡(luò)的不穩(wěn)定性導(dǎo)致可能出現(xiàn)的傳輸誤碼，從而導(dǎo)致圖像頻質(zhì)量失真等現(xiàn)象。2 圖像質(zhì)量客

7、觀評價算法設(shè)計2.1 算法概述清晰度也指模糊度或粗糙度，是指人眼能感覺出的相鄰影像間的明顯程度，圖像質(zhì)量的好壞與其清晰度直接相關(guān)。導(dǎo)致圖像清晰度下降的原因是模糊現(xiàn)象的產(chǎn)生，在圖像的采集、傳輸、壓縮和濾波等各種處理過程中都可能產(chǎn)生模糊，比如曝光期間成像系統(tǒng)和被攝物體相對運動產(chǎn)生的運動模糊，成像系統(tǒng)聚焦不良或部分景物處于散焦狀態(tài)產(chǎn)生的離焦模糊，光的衍射、以及壓縮之后高頻丟失等產(chǎn)生的各類模糊，電子系統(tǒng)高頻性能不良也會損失圖像的高頻分量而使圖像模糊等。圖像模糊是由于圖像高頻分量的丟失造成的邊緣或者細節(jié)不清晰，清晰圖像比模糊圖像包含更豐富的細節(jié)信息，即高頻分量3，圖像邊緣和紋理失真很小，幾乎可以忽略。所

8、以可以通過衡量圖像包含高頻分量所占的比例來評價圖像的清晰度。在數(shù)字圖像處理中，梯度函數(shù)常被用來提取邊緣信息，聚焦越好的圖像，具有越尖銳的邊緣，圖像梯度函數(shù)值就越大。常用的梯度函數(shù)有：能量梯度函數(shù)、方差函數(shù)和roberts梯度算子等。2.1.1 能量梯度函數(shù)利用相鄰點的差分計算一個點的梯度值，計算公式如下：2.1.2 方差函數(shù)該方法是一個比較流行的自動對焦的清晰度評價函數(shù)。由于清晰圖像比模糊圖像存在更大的灰度級差異，所以方差函數(shù)可作為圖像清晰度高低的一個評價標準。方差函數(shù)計算公式如下：2.1.3 roberts梯度算子2.2 算法仿真由于方差函數(shù)法運算過程簡便，算法復(fù)雜度低，被廣泛應(yīng)用于圖像質(zhì)量

9、評價中，因此這里也采取方差函數(shù)法進行圖像質(zhì)量評價。在vc+環(huán)境4-5下編寫程序，利用4幅施加不同程度高斯噪聲的圖像來檢驗圖像質(zhì)量評價算法，如圖1所示，高斯噪聲系數(shù)越大，圖像中包含的高斯噪聲越多，圖像質(zhì)量越差。采取方差函數(shù)法對4幅圖像進行計算，得到的評價值分別為：43.95，41.66，39.87，36.63，評價值與圖像效果的對應(yīng)性較強。對matlab系統(tǒng)自帶的lena圖片施加不同程度高斯噪聲進行圖像質(zhì)量評價算法驗證。采取方差函數(shù)法對4幅圖像進行計算，如圖2所示，得到的評價值分別為：50.89，47.56，45.38，42.21，評價值與圖像效果的對應(yīng)性較強。3 對比實驗3.1 實驗素材選取實

10、驗素材的選取對整個研究過程具有重要地位，所選擇的視頻素材序列要盡可能多的視頻場景，而且所包含的內(nèi)容需包含典型的空域復(fù)雜度（sc，spatial complexity）和時域復(fù)雜度（tc，temporal complexity）?？沼驈?fù)雜度越高，表示視頻圖像包含的邊緣與紋理越多;時域復(fù)雜度越高，視頻運動越劇烈。文本將序列分為四類，其中第i類表示運動平緩但空域內(nèi)容復(fù)雜;第ii類表示運動劇烈且空域內(nèi)容復(fù)雜：第iii類表示運動平緩且空域內(nèi)容平滑;第iv類表示運動劇烈但空域內(nèi)容簡單。本文所選取的原始視頻序列涵蓋所有這四種類型。3.2 主觀評價過程3.2.1 觀測人員觀測人員即是應(yīng)邀請參加主觀評價的評分人

11、員，參與評測的人員都是隨即選取的技術(shù)人員，并且不是研究視頻圖像方面的專業(yè)人員，一共有8人參與此次主觀評測，并且所有的觀測人員具有正常的視力。每個失真序列都被所有的觀測者評價。在評測開始之前，每個觀測者都被告知實驗的目的，并且經(jīng)歷一段短時間的訓(xùn)練。訓(xùn)練的視頻序列不屬于本文建立的視頻數(shù)據(jù)庫里的一部分。每個訓(xùn)練視頻持續(xù)時間為10s，并且視頻質(zhì)量從好到壞。3.2.2 顯示設(shè)備實驗中，在pc使用matlab的xgl工具箱進行視頻的播放以及打分。界面如圖3所示。視頻顯示設(shè)備為23ich的液晶顯示器，分辨率為1440×900。為了避免由于尺寸變換帶來失真，視頻以各自原始分辨率播放，顯示畫面的其余部

12、分為黑色背景，并在畫面下方有一個連續(xù)標尺，并有一個十字光標在標尺正中。在視頻播放完之后，會在屏幕上顯示一個質(zhì)量打分標尺，標尺最左端標記“bad”，最右端標記“excellent”，中間等間隔距離分別標記“poor”、“fair”和“good”，5個質(zhì)量等級分別對應(yīng)1-5分。觀測者可用鼠標移動標尺中央處的十字光標。在移動十字光標后，觀測者要求按下鍵盤上的任意鍵來輸入對視頻的打分。一旦打分鍵入，將無法更改。當完成當前的評分，下一個視頻將開始播放。3.2.3 主觀評價數(shù)據(jù)處理采用mosj來表示視頻j的評分，n為參與評分的人數(shù)，dij表示第i個人對視頻j的評分，則mosj如下式計算：3.3 實驗結(jié)果對

13、圖1和圖2分別進行主觀圖像質(zhì)量評價，得到結(jié)果如表1和表2所示?？梢钥闯?，2.2節(jié)中所采用的客觀評價得分排序與主觀評價相同。實驗結(jié)果表明該模型所采用的客觀圖像質(zhì)量評價與主觀評價基本保持一致，驗證了模型和算法的正確性。4 結(jié)語圖像質(zhì)量的評價方法可以分為主觀評價和客觀評價兩大類，其中，主觀評價方法直觀、比較準確以及有效，但是由于在一定的測試環(huán)境中由多個觀測者來對圖像進行評分，然后對大量評分數(shù)據(jù)進行統(tǒng)計分析，因此耗時，不易實現(xiàn);本文針對主觀評價方法的缺點，構(gòu)建了一種圖像質(zhì)量客觀評價模型，設(shè)計了算法并對其進行計算機仿真，實現(xiàn)了多路圖像質(zhì)量高低定量排序。進行對比實驗，對該圖像質(zhì)量客觀評價模型進行驗證，實驗結(jié)果表明該模型所采用的客觀圖像質(zhì)量評價與主觀評價基本保持一致，驗證了模型和算法的正確性。參考文獻1 阮秋琦.數(shù)字圖像處理（mtalab版）（