探究相似性彩色视觉相似性图像评价策略

论文导读：
摘要：针对当前评价方法对彩像评价的不足，提出一种基于彩色视觉相似性的图像质量评价方法。首先通过把彩像转换到相对均匀的色空间（LAB2000HL），再根据视觉空间响应特性分别使用亮度对比度敏感函数（C）和色度C进行调整，获得各维图像的结构相似性（M SSIM）指数，最后综合考虑色空间各维信息对彩色视觉质量影响的权重，建立综合评价指标现实彩像的质量评价。实验中，利用图像数据TID2008进行测试，并通过Spearman等级相关系数和Kendall等级相关系数分析评价结果与其视觉主观评价的一致性。实验结果表明，与其他图像质量方法比较，所提方法的评价结果与视觉主观评价具有较高的一致性。
关键词：彩色视觉相似性；均匀色空间；对比度敏感函数；彩像
0引言
在图像处理领域，图像质量评价是衡量图像算法性能优劣以及优化的基础，因而近年来该领域的研究受到国内外许多科研机构研究人员的密切关注。继而，各种图像质量评价方法层出不穷，如，早期的均方差（MeanSquareError，MSE）和信噪比（Signal to NoiseRatio，SNR）通过衡量两个图像之间误差信号的程度以评价处理后的图像的质量。尽管此类方法与图像在视觉上的质量之间没有任何必然的联系，但由于计算简单，易于使用，在图像处理领域中已被广泛应用。鉴于上述方法的不足，又相继提出许多基于人眼视觉系统（HumanVisualSystem，HVS）的图像质量评价方法，如可视信噪比（VisualSignal to NoiseRatio，VSNR）、基于人眼视觉系统的峰值信噪比（HVSbasedPeakSignal to NoiseRatio，PSNR HVS）[3]和权重信噪比（WeightedSignal to NoiseRatio，WSNR）[4]。此类评价算法利用人眼视觉系统（HVS）特征对其进行加权校正，以提高与主观视觉评价的关联性。然而，HVS是个高度复杂的非线性系统，目前尚未存在数学模型对其全面描述，只有描述部分基本特征的模型。如，对比度敏感函数（ContrastSensitivityFunction，C）、Weber定律以及点扩散函数（PointSpreadFunction，P）描述了视觉上亮度感知规律。因而，单一基于这些模型的质量源于：论文封面www.7ctime.com
评价方法还是出现与视觉评价不一致的结果。此外，上文所述的基于HVS的图像质量评价算法都是采用逐个像素对应比较的思想，但视觉对相邻像素间的关系要比单个像素值更为敏感，因而在视觉上图像像素之间存的关联性对图像评价存在不可忽视的影响。由此，Wang等提出结构相似（StructuralSimilarityIndexMeasure，SSIM）算法[5]和多尺度结构相似（Multi scaleSimilarityIndexMeasure，M SSIM）算法[6]。但是，SSIM和其拓展算法[6-9]主要针对灰度图像而设计或在假设彩像的亮度通道与色度通道视觉感知不会相互影响的前提下设计的。事实上，据众多的视觉现象发现视觉中亮度通道中某些特征的变化（如亮度或对比度）会影响彩度和色相的视觉感知。因此，基于灰度图像评价而设计的SSIM算法在用于评价彩像的质量还存在改善的空间。
本文在SSIM算法思想的基础上，考虑视觉空间关联性以及亮度和彩度及色相在视觉中的相互影响关系，提出一种评价彩像质量评价算法，即彩像相似指数（ColorImageSimilarityIndex，CISI）算法。
论文导读：上一页12