一种彩色图像质量评价方法

技术领域

本发明涉及图像质量评价计算领域，具体是一种彩色图像质量评价方法。

背景技术

图像质量评价是评价成像设备质量、成像设备监控以及图像的识别和分类的基础和决策的关键，具有重要的军事、安全和民用意义。高质量的图像对于人类感知和认识外界是十分重要的，在某种程度上，图像质量决定了所获取信息的充分性与准确性。然而，在图像的采集、压缩、传输、显示等过程中，图像很容易产生降质。图像质量是比较各种图像处理算法的优劣以及优化系统参数的重要指标，因此，建立有效的图像质量评价体系具有很重要的现实意义。

总的来说，图像质量评价方法可以分为主观评价法和客观评价法两大类。图像质量的客观评价是目前主流的评价方法，通常利用算法实现。图像质量客观评价主要分为：全参考图像质量评价、无参考图像质量评价、部分参考图像质量评价。而目前图像质量评价的进展主要在灰度图像的全参考图像质量评价，并且主要评价图像经过处理后的降质情况，需要对参考图像和被评价图像进行交叉计算，缺少对于彩色图像的质量准确评价。

发明内容

为了解决上述问题，本发明提出一种彩色图像质量评价方法。

一种彩色图像质量评价方法，包括：

S1、输入图像转换到CIELAB颜色空间表示：将输入的彩色RGB图像R和I，转换到CIELAB颜色空间表示，其中L表示明度信息，a表示红绿色度信息，b表示黄蓝色度信息；

S2、计算得到色貌信息：计算得到CIELAB颜色空间下的Vividness(V)和Depth(D)两个参数：

S3、计算得到梯度信息：计算得到CIELAB颜色空间下的梯度信息，具体为参考图像的梯度信息GR和待测图像的梯度信息；

S4、特征融合计算输出结果：彩色图像质量评价方法，其中C表示待测图像的质量，其中α表示V与D的权重系数，数值为0.1；K1，K2和K3都是为了保证运算的正常进行，其数值可以设置为0.02，0.02和200；Vm表示输入两幅图像对应像素的最大值：

所述的步骤S1的转换过程为：RGB转到CIEXYZ颜色空间，再转换到CIELAB颜色空间。

所述的步骤S2通过公式(1)计算得到参考图像的色貌参数VR，DR和待测图像的色貌参数VI，DI。

所述的步骤S3的水平方向的梯度计算公式为：

所述的步骤S3的垂直方向的梯度计算公式为：

所述的步骤S3根据公式(2)、公式(3)梯度信息的计算公式为：

本发明的有益效果是：

本发明将输入的彩色RGB参考图像和待评价图像转换到CIELAB颜色空间表示，分别得到两幅图像的L、a和b三个通道信息，利用公式计算得到参考图像和待评价图像Vividness(V)和Depth(D)两个色貌参数，将参考图像和待评价图像的色貌参数和梯度信息结合得到本发明的评价结果。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明的流程示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本发明进一步阐述。

如图1所示，一种彩色图像质量评价方法，包括：

S1、输入图像转换到CIELAB颜色空间表示：将输入的彩色RGB图像R和I，转换到CIELAB颜色空间表示，其中L表示明度信息，a表示红绿色度信息，b表示黄蓝色度信息；

S2、计算得到色貌信息：计算得到CIELAB颜色空间下的Vividness(V)和Depth(D)两个参数：

S3、计算得到梯度信息：计算得到CIELAB颜色空间下的梯度信息，具体为参考图像的梯度信息GR和待测图像的梯度信息，利用公式计算得到参考图像和待评价图像的梯度信息；

S4、特征融合计算输出结果：彩色图像质量评价方法，其中C表示待测图像的质量，其中α表示V与D的权重系数，数值为0.1；K1，K2和K3都是为了保证运算的正常进行，其数值可以设置为0.02，0.02和200；Vm表示输入两幅图像对应像素的最大值：

所述的步骤S1的转换过程为：RGB转到CIEXYZ颜色空间，再转换到CIELAB颜色空间，将输入的彩色RGB参考图像和待评价图像转换到CIELAB颜色空间表示，分别得到两幅图像的L、a和b三个通道信息。

在色度学中，均匀的颜色空间，如CIELAB和CIELUV被用来描述成对颜色之间感知到的颜色差异，其中CIELAB比CIELUV更均匀，由于上述公式是针对比较均匀色块设计的，因此需要通过修改以达到与复杂的真实图像数据保持一致的效果。

所述的步骤S2通过公式(1)计算得到参考图像的色貌参数VR，DR和待测图像的色貌参数VI，DI，利用公式计算得到参考图像和待评价图像Vividness(V)和Depth(D)两个色貌参数。

为了更好的模拟人眼视觉通道机制，选择CIELAB作为提取信息的基础色空间，提出基于色貌和梯度的图像质量评价方法，该方法由CIELAB色空间中的色貌和梯度分别表征颜色失真和结构失真。

所述的步骤S3的水平方向的梯度计算公式为：

所述的步骤S3的垂直方向的梯度计算公式为：

所述的步骤S3根据公式(2)、公式(3)梯度信息的计算公式为：

通过TID2013，CSIQ，LIVE和IVC三个公开数据库的测试，实验结果表明：对于尺寸相等的待评价图像与参考图像，本发明方法的评价结果要优于传统的PSNR、SSIM、IFC和VIF方法。

上述数据库信息如下：

各个评价方法的预测效果如下表所示，数值越接近1表示该方法的评价性能越好，具体数据如下：

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。