基于小波變換和HVS的彩色圖像質(zhì)量評價方法*

段曉杰，范鐵生，曲大鵬（遼寧大學(xué) 信息學(xué)院，遼寧 沈陽 110036）

基于小波變換和HVS的彩色圖像質(zhì)量評價方法*

段曉杰，范鐵生，曲大鵬
（遼寧大學(xué) 信息學(xué)院，遼寧 沈陽 110036）

提出了一種基于小波變換和人類視覺系統(tǒng)的圖像質(zhì)量評價方法。首先分別測得4級小波分解后高低頻分量的SSIM值并用CSF曲線加權(quán)，然后對低頻分量進行分塊DCT變換，測得每塊的中高頻分量的SSIM值作為乘性系數(shù)與前面所得結(jié)果相乘，最后對彩色圖像各個通道分別進行加權(quán)相加。實驗結(jié)果表明，算法與人眼主觀感受值更加吻合。

小波變換；彩色圖像；質(zhì)量評價

［1］～［5］通過Sobel算子分區(qū)、小波變換分區(qū)、contourlet多方向分區(qū)等方式對傳統(tǒng)SSIM算法進行改進，但算法多用于灰度圖像。本文針對人類視覺的色彩掩蔽效應(yīng)，針對不同通道分別加權(quán)，將算法引入彩色圖像領(lǐng)域。為了增加與主觀評價值的擬合程度，本文還將小波分解后低頻分量進行DCT分塊，對分塊后的中高頻分量計算SSIM，增加算法的抗噪聲能力，同時對

JPEG壓縮的檢測效果有很好的提升。

1 傳統(tǒng)SSIM算法

WANG Z等人［6］提出了結(jié)構(gòu)相似度（Structural Similarity，SSIM）圖像質(zhì)量客觀評價方法，它將圖像劃分為亮度、對比度和結(jié)構(gòu)3個成分進行比較。將這3個分量以一定比例整合，即為SSIM評價指標(biāo)。

SSIM（x，y）=［l（x，y）］α［c（x，y）］β［s（x，y）］γ（1）

SSIM算法會出現(xiàn)一些判斷失誤的情況，如圖1所示。

圖1 Lena圖像不同失真SSIM值

可以看出，人眼主觀判斷的話，圖 1（c）的質(zhì)量明顯高于圖1（b）的質(zhì)量，與測得的SSIM值相反。

2 人類視覺系統(tǒng)

人類視覺系統(tǒng)（Human Visual System，HVS）存在諸多掩蔽效應(yīng)，如亮度掩蔽、對比度掩蔽、紋理掩蔽、色彩掩蔽、頻率掩蔽等。

對比敏感度函數(shù)［7］（Contrast Sensitivity Function，CSF）是一種考慮到HVS特性的函數(shù)曲線，它是對人類觀察圖像時視覺興趣區(qū)域的概括。學(xué)者MANNOS和SAKRISON經(jīng)過大量的試驗，建立了CSF的函數(shù)表達式：

CSF（f）=2.6*（0.019 2+0.114f）exp［-（0.114f）1.1］（2）其中，f為空間頻率。CSF曲線如圖2所示。

圖2 CSF曲線圖

可以看到，當(dāng)頻率低于40時，人眼的視覺敏感度幾乎為零。

傳統(tǒng)SSIM算法只考慮了亮度、對比度和結(jié)構(gòu)，并未考慮頻率掩蔽和色彩掩蔽。

3 算法描述

本文算法的主要步驟如下：

（1）判斷圖像屬性，若為灰度圖，則直接轉(zhuǎn)到步驟（2）；若為彩色圖，則提取RGB3個通道。

（2）對原圖和嵌入水印后的圖像分別進行4級小波分解，分別提取低頻子帶f5和每級分解的高頻子帶。每級小波分解的高頻子帶分為LL、LH和HH3部分，對它們進行加權(quán)相加，得到各級小波分解后的高頻和低頻子圖。

fk=α1*LHk+α2*HLk+α3*HHk（3）其中，k=1，2，3，4，一般取α1=α2=α3。小波分解后各子帶如圖3所示。

圖3 小波分解后各子帶示意圖

（3）對各個子帶分別求SSIM值，將 CSF曲線按照上述方法進行4級小波分解，各級系數(shù)如表1所示。

表1 CSF曲線4級小波分解表

取各頻帶系數(shù)的平均值作為加權(quán)系數(shù)，得到結(jié)果

（4）為了克服噪聲和壓縮攻擊對CWSSIM的影響，對小波分解后的低頻分量進行分塊DCT變換，取每個子塊的中低頻分量，測其SSIM值作為權(quán)值：

然后與前面測得的CWSSIM值相乘，即：

得到權(quán)值修正后的DCWSSIM，使得曲線更加聚合。

（5）對彩色圖的各個通道分別進行加權(quán)，得到最終的CWSSIM：

4 仿真實驗

為了測試這幾種算法對彩色圖像的評價值與人眼主觀評價值DMOS的擬合程度，采用Live數(shù)據(jù)庫［8］對本文算法和相關(guān)算法進行測試，并對客觀評價結(jié)果和DMOS分值繪制散點圖，進行曲線擬合。

首先采用Live圖庫進行測試，橫軸表示客觀評價算法，縱軸表示DMOS值，每一點表示一幅圖片，如圖4所示。

圖4 Live數(shù)據(jù)庫測試散點圖

可以看出，PSNR、SSIM和MWSSIM方法所繪制的散點圖過于分散；MRWSSIM由于增加了權(quán)值，擬合效果略好；WWSSIM由于考慮了頻率的方向性，在一定程度上使得曲線更加集中，但這兩種算法在對待高斯白噪聲（圖中圓圈所示）時，可能會出現(xiàn)評價不準(zhǔn)確的情況；而本文算法對高斯白噪聲的評價更接近預(yù)測曲線。

采用VQEG評價標(biāo)準(zhǔn)對上述6種客觀評價算法作評價，測試結(jié)果如表2所示。

表2 Live數(shù)據(jù)庫客觀評價表

由上表可以看出，本文所用方法對于Live圖像數(shù)據(jù)庫具有最高的皮爾森相關(guān)值，同時離群率較低，WWSSIM由于考慮了頻率方向性，也取得了比前4種好的效果。

5 結(jié)論

本算法采用小波變換的多尺度分析技術(shù)，小波變換分區(qū)，彌補了傳統(tǒng)SSIM沒有考慮到頻率掩蔽效應(yīng)的不足，并采用CSF分解曲線確定權(quán)值。由于SSIM對噪聲敏感，通常檢測的經(jīng)過JPEG壓縮的圖像值偏高，而經(jīng)過噪聲處理的圖像值偏低，本文對小波后的低頻分量再進行DCT分塊，計算每一塊的中高頻成分的和的平均值作為乘性系數(shù)，使得測得的結(jié)果曲線更加聚合。本文還考慮到了人眼的色彩掩蔽效應(yīng)，對RGB圖像的3個通道分別加權(quán)，使得本算法對彩色圖像的評價值更加精確。

參考文獻

［1］Chen Guanhao，Yang Chunling，Xie Shengli.Gradientbased structural similarity for image quality assessment［C］. 2006 IEEE International Conference on Image Processing. IEEE，2006：2929-2932.

［2］王一秀，韓焱.基于人眼視覺特性的 X線圖像質(zhì)量評價方法［J］.微型機與應(yīng)用，2010，29（9）：38-40.

［3］倪曉明.基于小波變換圖像質(zhì)量評價新算法［D］.廈門：廈門大學(xué)，2009.

［4］米曾真.小波域中CSF頻率與方向加權(quán)的圖像質(zhì)量評價方法［J］.電子學(xué)報，2014，42（7）：1273-1276.

［5］Lu Bin，Tian Wei.Image quality assessment based on nonsubsampled contourlet transform and structural similarity［C］. 2013 3rd International Conference on Consumer Electronics，Communications and Networks（CECNet），IEEE，2013：347-350.

［6］WANG Z，BOVIK A C，SHEIKH H R，et al.Image quality assessment：from error visibility to structural similarity［J］.IEEE Transactions on Image Processing，2004，13（4）：600-612

［7］JUNG S W，LE THANH HA S J K，KO S J.A new histogram modification based reversible data hiding algorithm considering the human visual system［J］.IEEE SignalProcessing Letters，2011，18（2）：95-98.

［8］SHEIKH H R，BOVIK A C.Image information and visual quality［J］.IEEE Transactions on Image Processing，2006，15（2）：430-444.

Color image quality assessment method based on wavelet transform and HVS

Duan Xiaojie，F(xiàn)an Tiesheng，Qu Dapeng
（School of Information，Liaoning University，Shenyang 110036，China）

This paper presents an image quality assessment methods based on wavelet transform and human visual system.First of all，we measured the SSIM value of high frequency and low frequency components of four levels wavelet decomposition and weighted by CSF curve.Then we measured the SSIM value of the high frequency component and middle frequency component of each DCT blocks as a multiplicative factor.Finally，for each channel of color image respectively weighted sum.Experimental results show that this algorithm is more consistent with human subjective value.

wavelet transform；color image；quality assessment

TP309.7

A

1674-7720（2015）18-0039-03

段曉杰，范鐵生，曲大鵬.基于小波變換和HVS的彩色圖像質(zhì)量評價方法［J］.微型機與應(yīng)用，2015，34（18）：39-41，44.

0 引言

2015-04-21）

段曉杰（1989-），女，碩士，主要研究方向：圖像處理、數(shù)字水印。

范鐵生（1955-），男，碩士，教授，主要研究方向：信息隱藏、聲紋識別、圖像處理。

曲大鵬（1981-），男，博士，講師，主要研究方向：移動對等網(wǎng)絡(luò)。

遼寧省教育廳科學(xué)研究項目（L2013001）；遼寧大學(xué)博士啟動項目

現(xiàn)如今，隨著多媒體技術(shù)的發(fā)展，互聯(lián)網(wǎng)中傳輸?shù)膱D像信息不斷增多，尤其以彩色圖像為主。結(jié)構(gòu)相似度（Structural Similarity，SSIM）方法通過測量圖像結(jié)構(gòu)信息來判斷圖像質(zhì)量，評價結(jié)果與人眼主觀感受非常接近，算法實現(xiàn)復(fù)雜度較低，不少學(xué)者對此方法進行改進。