無參考圖像模糊度評價方法研究.pdf

1、數(shù)字圖像的成像、處理和傳輸都會對圖像質(zhì)量產(chǎn)生影響，因而如何對圖像質(zhì)量進行評價已成為圖像處理領域的一個基本而又富有挑戰(zhàn)性的研究熱點。圖像的模糊度評價是圖像質(zhì)量評價的一種，主要用來衡量圖像信號經(jīng)過成像系統(tǒng)或處理算法后質(zhì)量降低的程度，其在圖像采集、處理、分析等領域，以及成像系統(tǒng)自動聚焦、成像設備質(zhì)量評測和圖像處理系統(tǒng)算法優(yōu)化等場合有著廣泛的應用。
　　本文的目的是對無參考圖像模糊度評價方法進行研究，借鑒人腦對視覺信息處理的層次性以及自學

2、習特性，將圖像模糊度評價看作是一個待測圖像與模擬的人腦中清晰或模糊圖像的參考模型進行匹配的過程，探討從不同層次和不同參考模型的角度研究評價灰度圖像模糊度的方法，主要工作包括:
　　(1)提出了基于三維參數(shù)結構張量的圖像模糊度評價方法
　　自然圖像具有邊緣主導和高維奇異的統(tǒng)計特性。典型的以邊緣塊的特征值計算圖像模糊度的方法雖然反映了這一特性，但因僅以邊緣塊的特征值為依據(jù)，受噪聲影響較大。本方法在圖像二維局部結構張量的基礎上，將

3、待測圖像不同模糊副本的差作為第三維信息，構造了單幅圖像的三維參數(shù)結構張量，根據(jù)圖像塊三維參數(shù)結構張量的特征值計算模糊度參數(shù)，以各圖像塊模糊度參數(shù)與其關注度系數(shù)的加權和為依據(jù)計算整幅圖像的模糊度。該方法從微觀層面根據(jù)圖像局部結構特征進行模糊度評價，受噪聲影響較小，且對模糊度變化敏感。與典型方法相比，本文方法在單調(diào)性和抗噪性上具有明顯的優(yōu)勢，且主客觀評價一致性的各項指標都有提升，其中提升幅度最小的是主客觀相關性指標和單調(diào)性指標，平均提升了1

4、.44％和0.17％。
　　(2)提出了基于顯著性紋理特征的圖像模糊度評價方法
　　紋理是觀察和識別自然環(huán)境的重要特征，本方法利用灰度共生矩陣表示紋理的空間分布統(tǒng)計特性，在其基礎上提取顯著性紋理特征作為圖像模糊度評價的視覺特征。主要過程為:首先對待測圖像進行不同參數(shù)的平滑濾波得到待測圖像的兩個模糊副本;然后分塊基于灰度共生矩陣提取圖像兩個模糊副本的顯著性紋理特征，并計算兩個模糊副本對應塊的顯著性紋理特征差;最后將待測圖像各塊

5、的顯著性紋理特征差與關注度系數(shù)進行加權疊加，從而根據(jù)加權和計算圖像的模糊度。該方法從宏觀角度利用區(qū)域內(nèi)局部結構特征的統(tǒng)計分布進行圖像模糊度評價，兼顧了人類視覺系統(tǒng)的特性，但因該方法考慮了宏觀特征，其對模糊度變化的敏感性相對較弱。與典型方法相比，本文方法在單調(diào)性和抗噪性指標上具有明顯的優(yōu)勢，且在主客觀相關性指標、單調(diào)性指標和一致性指標上平均提升了1.63％、0.40％和37.5％。
　　(3)提出了基于稀疏表示的圖像模糊度評價方法<

6、br>　　人類視覺系統(tǒng)在沒有參考圖像的情況下也能夠判斷出圖像的模糊程度，原因在于人腦中存在通過學習而獲得的高質(zhì)量圖像參考模型。另外研究也表明自然圖像可以通過無監(jiān)督學習的方式進行稀疏表達，并且其基函數(shù)具備類似于人類視覺系統(tǒng)Vl區(qū)簡單細胞感受野的方向性、帶通性和局部性等特性。本方法以清晰圖像集通過無監(jiān)督學習方式訓練的基為參考，將待測圖像的稀疏表示系數(shù)作為圖像模糊度評價的依據(jù)。主要過程為:首先利用清晰圖像集訓練，獲得清晰圖像的基，構建稀疏編碼

7、詞典;然后利用訓練好的詞典對待測圖像進行分塊稀疏編碼和計算關注度系數(shù);最后根據(jù)各塊稀疏表示系數(shù)和關注度系數(shù)內(nèi)積的p范數(shù)的均值計算整幅圖像的模糊度。該方法考慮了人類視覺系統(tǒng)的自學習特性和稀疏編碼特性，因此其計算的模糊度與人類的主觀評價結果更一致。與典型方法相比，本文方法在單調(diào)性和抗噪性指標上具有明顯的優(yōu)勢，且主客觀評價一致性的各項指標都有提升，其中提升幅度最小的是主客觀相關性指標和單調(diào)性指標，平均提升了1.59％和0.17％。
　　

8、(4)提出了結合稀疏表示與概率潛在語義的圖像模糊度評價方法
　　本方法的核心思想是假設圖像中存在潛在的能夠表征其清晰程度的主題以及人腦具有無監(jiān)督學習的特性。通過概率潛在語義分析的方法進一步抽象化圖像的稀疏表示系數(shù)特征，分別提取清晰圖像集的平均潛在主題概率分布和待測圖像的潛在主題概率分布，以它們之間的相似性為依據(jù)進行圖像模糊度的評價。主要過程為:首先根據(jù)清晰圖像集構建稀疏表示詞典;其次對清晰圖像集進行稀疏編碼，并用概率潛在語義分析的

9、方法提取清晰圖像集的平均主題概率分布;最后計算待測圖像的主題概率分布，并根據(jù)其與清晰圖像集的平均主題概率分布的相似性計算圖像的模糊度。該方法所依據(jù)的特征是對圖像稀疏表示系數(shù)進一步抽象化后而得到的概率潛在主題特征，兼顧了人類視覺系統(tǒng)感知的無監(jiān)督學習特性和特征提取的層次化特性，與典型方法相比，本文方法在單調(diào)性和抗噪性指標上具有明顯的優(yōu)勢，且主客觀評價一致性的各項指標都有提升，其中提升幅度最小的是主客觀相關性指標和單調(diào)性指標，平均提升了1.7