： Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ Ｉ ｎ ｎ ｏ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｅ ａ ｋ ｓ ｉ ｎ ａ ｌ ｔ ｏ ｎ ｏ ｉ ｓ ｅ ｒ ａ ｔ ｉ ｏ（ Ｐ Ｓ Ｎ Ｒ） ｉ ｍ ａ ｅ ｕ ａ ｌ ｉ ｔ ａ ｓ ｓ ｅ ｓ ｓ ｍ ｅ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｎ ｏ ｉ ｓ ｐ ｇ ｇ ｑ ｙ ｙ ， ， ｉ ｍ ａ ｅ ｓｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｅ ｔ ｏ ｔ ｉ ｍ ａ ｌ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓｉ ｔ ｉ ｓ ｒ ｏ ｏ ｓ ｅ ｄ ｔ ｈ ａ ｔ ｔ ａ ｋ ｉ ｎ ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｖ ａ ｌ ｕ ｅ ｓ ａ ｓ ａ ｐ ｇ ｐ ｇ ｇ ｐ ｐ ｐ ， ］ ｓ ａ ｍ ｌ ｅ ａ［ ２ ７ ２ ｂ ａ ｃ ｋ ｒ ｏ ａ ａ ｔ ｉ ｏ ｎ（ Ｂ Ｐ） ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍ ｏ ｄ ｅ ｌ ｉ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｍ ｅ ａ ｎ ｓ ｕ ａ ｒ ｅ －ｐ ｐ ｐ ｇ ｑ （ ） ， ｅ ｒ ｒ ｏ ｒ Ｍ Ｓ Ｅｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １ｏ ｆ ｉ ｍ ａ ｅ ｂ ｌ ｏ ｃ ｋ ａ ｎ ｄ ｔ ｈ ｅ ｎ ｏ ｉ ｓ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ａ ｓ ｔ ｈ ｅ ｉ ｎ ｕ ｔ ｆ ａ ｃ ｔ ｏ ｒ ｓａ ｎ ｄ ｇ ｐ ｔ ｈ ｅ Ｐ ｅ ｒ ｓ ｏ ｎ ａ ｎ ｄ Ｓ ｅ ａ ｒ ｍ ａ ｎ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｓ ａ ｓ ｔ ｈ ｅ ｏ ｕ ｔ ｕ ｔ ｆ ａ ｃ ｔ ｏ ｒ ｓ ． Ｔ ｈ ｅ ｍ ｏ ｄ ｅ ｌ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｓ ｔ ｈ ｅ ｒ ｅ ｄ ｉ ｃ － ｐ ｐ ｐ ｔ ｉ ｏ ｎ ｏ ｆ ｒ ｅ ｌ ｅ ｖ ａ ｎ ｔ ｂ ｉ ｔ ｓ ｃ ａ ａ ｂ ｉ ｌ ｉ ｔ ａ ｎ ｄ ｏ ｆ ｆ ｅ ｒ ｓ ａ ｔ ｈ ｅ ｏ ｒ ｅ ｔ ｉ ｃ ａ ｌ ｆ ｏ ｕ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ － ｙ ｐ ｙ ｐ ｇ ｐ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ． Ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｍ ｏ ｄ ｅ ｌ ｉ ｓ ｒ ｅ ｌ ｉ ａ ｂ ｌ ｅ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｌ ｉ ｔ ｔ ｌ ｅ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｐ ｐ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ａ ｌ ｄ ａ ｔ ａ ． Ｔ ｈ ｅ ｔ ｒ ａ ｉ ｎ ｅ ｄ Ｂ Ｐ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｃ ａ ｎ ｔ ｈ ｅ ｒ ｅ ｌ ｅ ｒ ｅ ｃ ｉ ｓ ｅ ｌ ｒ ｅ ｄ ｉ ｃ ｔ － ｐ ｐ ｙ ｐ ， ， ｖ ａ ｎ ｔ ｏ ｔ ｉ ｍ ｉ ｚ ｉ ｎ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １ ＝ １ ０ １ａ ｎ ｄ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ ＝ ４ａ ｒ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ Ｐ ｅ ａ ｒ ｓ ｏ ｎ Ｃ ｏ ｒ ｒ ｅ ｌ ａ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ． Ａ ｆ ｔ ｅ ｒ － ｐ ｇ ｐ ｔ ｉ ｏ ｎ Ｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ａ ｎ ｄ Ｓ ｅ ａ ｒ ｍ ａ ｎ Ｒ ａ ｎ ｋ Ｏ ｒ ｄ ｅ ｒ Ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ Ｃ ｏ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｒ ｅ ａ ｃ ｈ ｅ ｓ－ ０ ． ８ ９ ５ ０ａ ｎ ｄ－ ０ ． ９ １ ３ ６ ｒ ｅ － ｐ ， ｓ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ． Ｔ ｈ ｅ ａ ｓ ｓ ｅ ｓ ｓ ｍ ｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｍ ｒ ｏ ｖ ｅ ｓ ａ ｌ ｏ ｔ ａ ｎ ｄ ｍ ｕ ｃ ｈ ｔ ｉ ｍ ｅ ｉ ｓ ｓ ａ ｖ ｅ ｄ ． ｐ ｙ ｐ ： ；ｐ ；ｂ ； ｕ ａ ｌ ｉ ｔ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｒ ｏ ａ ａ ｔ ｉ ｏ ｎ Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｉ ｍ ａ ｅ ａ ｓ ｓ ｅ ｓ ｓ ｍ ｅ ｎ ｔ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｃ ｋ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ －ｐ ｑ ｙ ｐ ｇ ｇ ｐ ｙ ； ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｅ ｃ ａ ｓ ｔ ｇ
， （ ） 应用光学 等： 基于 Ｂ ２ ０ １ １ ３ ２ ６ Ｐ 神经网络的图像质量评价参数优化 范媛媛 ，
·１ １ ５ １·
引言
电视测量 是 光 电 测 量 设 备 的 主 要 探 测 手 段 之 一， 电视图像质量好坏是电视系统的一个重要战术 技术指标 。 同时图像质量评价也是图像工程基础性
： ／ 中图分类号 ： ＴＮ ２ ０ ６； Ｔ Ｐ ３ ９ １． ４ 文献标志码 ： Ａ ｄ ｏ ｉ １ ０． ５ ７ ６ ８ Ｊ ＡＯ ２ ０ １ １ ３ ２． ０ ６ ０ ２ ０ ０ ４
Ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｉ ｍ ａ ｅ ａ ｓ ｓ ｅ ｓ ｓ ｍ ｅ ｎ ｔ ｕ ａ ｌ ｉ ｔ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｐ ｇ ｑ ｙ ｐ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｂ ａ ｃ ｋ ｒ ｏ ａ ａ ｔ ｉ ｏ ｎ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ －ｐ ｐ ｇ
］ １ 。 由于实际的 的研究内容 ， 具有非常重要的意义［
Ｍ
Ｎ ｉ ｊ
Ｍ Ｓ Ｅ＝
ｉ＝１ ｊ＝１
ｆ ∑∑（
ቤተ መጻሕፍቲ ባይዱ
－ｆ）
２
Ｍ ×Ｎ
（ ） １
式中 ｆ 为图像的均值 。 如果均方误差超过某一阈值 ， 说明图像中存在的高频成分较 多 ， 则利 ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １ ， 用四叉树分解继续分块 把图像分为大小不同的子 分别代表图像的不同类型区域 ， 细节变化剧烈的 块， 高频区域分块相对较小 ， 变化缓慢的低频区域分块 相对较大 。 （ ， ， 噪声检测中 ， 对于块内的任一像素Ｉ 定义 ｋ） ｊ 水平 、 该像素垂直 、 ４ ５ °和 １ ３ ５ °这 ４ 个方向的方向梯 ， 度值 。 则块内的任一像素的梯度 ｇ（ ｋ）可定义为 ４ ｊ 个方向梯度中的最小值 ： ， （ ， ， ， ， （ ， ， ｋ）＝ ｍ ｉ ｎ ｈ（ ｋ） ｖ（ ｋ） ４ ５ ｋ） ｇ（ ｊ ｊ ｊ ｇ ｊ （ ， ） （ ） １ ３ ５ ｋ） ２ ｇ ｊ ， ， 如果 ｇ（ 则 ｋ）大于 某 一 特 定 阈 值 ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ ｊ 认为该点为噪声点 。 对图像块中的所有像素点进行 分析 ， 就可得到图像子块噪声点的分布 ： ， ）＝ Ｇ（ ｉ ｊ ， ） ｋ） ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ －ｔ ｇ（ ｊ ∑（ （ ） ３
基于 Ｂ Ｐ 神经网络的图像质量评价参数优化
２， ３ ， 范媛媛１， 桑英军１， 沈湘衡２
（ 淮阴工学院 ，江苏 淮安 ２ 中国科学院 长春光学精密机械与物理研究所 ， 吉林 长春 １ １． ２ ３ ０ ０ ３； ２． ３ ０ ０ ３ ３； ） 中国科学院 研究生院 ， 北京 １ ３． ０ ０ ０ ３ ９
摘 要： 在基于噪声图像的无参考峰值信噪比质量评价方法中 ， 为了得到最优的阈 值 参 数 ， 提出 以图像块均方误差阈值ｔ 噪声检测阈值ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １、 ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ 为输入因子 ，以 Ｐ ｅ ａ ｒ ｓ ｏ ｎ 相关系数 ］ 和Ｓ 单隐层 Ｂ ｅ ａ ｒ ｍ ａ ｎ 等级相关系数为输出因子 ，以实验值为样本建立 ［ ２ ７ ２ Ｐ 神经网络模型 ， ｐ 应用 Ｂ 为阈值参数的选择提供理论依 Ｐ 神经网络的泛化能力实现对 相 关 阈 值 参 数 的 预 测 优 化 ， 据 。 实验结果表明 ， 所建立的数学模型可靠 ， 预测结果与试验值的偏差小 ， 训练好的 Ｂ Ｐ 神经网 络能够比较准确地预测不同阈值参数下的相关系数 。 优化后 ， 选取 ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ １＝１ ０ １， ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ２ 评价效果得 ＝４， Ｐ ｅ ａ ｒ ｓ ｏ ｎ 相关系数达到了 －０． ８ ９ ５ ０， Ｓ ｅ ａ ｒ ｍ ａ ｎ 等级相关系数达到了 －０． ９ １ ３ ６， ｐ ， 。 到提高 且节省大量时间 关键词 ： 图像质量评价 ； 参数优化 ； 预测 ； 泛化 Ｂ Ｐ 神经网络 ；
第３ ２卷 第６期 ２ ０ １ １年１ １月
应 用 光 学 Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ａ ｌ ｉ ｅ ｄ Ｏ ｔ ｉ ｃ ｓ ｐ ｐ ｐ
Ｖ ｏ ｌ ． ３ ２Ｎ ｏ ． ６ Ｎ ｏ ｖ ． ２ ０ １ １
（ ） 文章编号 ： １ ０ ０ ２ ２ ０ ８ ２ ２ ０ １ １ ０ ６ １ １ ５ ０ ０ ６ － － －
； 收稿日期 ： ２ ０ １ １ ０ ５ １ ９ ２ ０ １ １ ０ ７ ０ ９ － － 修回日期 ： － － ） 基金项目 ： 中国科学院创新基金资助项目 （ Ｙ Ｚ ２ ０ ０ ９ ０ ４ ， 作者简介 ：范媛媛 （ 女， 山东邹城人 ， 博士研究生 ， 主要从事图像处理及图像质量评价方面的研究 。 １ ９ ７ ９－ ） ： Ｅ－ｍ ａ ｉ ｌ ｆ ｕ ａ ｎ ｕ ａ ｎ １ ２ ３＠１ ６ ３． ｃ ｏ ｍ ｙ ｙ
１２３ １ ２ ， ， Ｆ ＡＮ Ｙ ｕ ａ ｎ Ｓ ＡＮＧ Ｙ ｉ ｎ Ｓ ＨＥ Ｎ Ｘ ｉ ａ ｎ ｈ ｅ ｎ ｕ ａ ｎ ｕ ｎ －ｙ － － ｇ ｇ ｇ ｊ ，，
（ ，Ｈ ； １．Ｈ ｕ ａ ｉ ｉ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｕ ａ ｉ ａ ｎ ２ ２ ３ ０ ０ ３， Ｃ ｈ ｉ ｎ ａ ｙ ｇ ｙ ， ， ； ２． Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｏ ｔ ｉ ｃ ｓ Ｆ ｉ ｎ ｅ Ｍ ｅ ｃ ｈ ａ ｎ ｉ ｃ ｓ ａ ｎ ｄ Ｐ ｈ ｓ ｉ ｃ ｓ Ｃ Ａ Ｓ， Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ １ ３ ０ ０ ３ ３Ｃ ｈ ｉ ｎ ａ ｇ ｐ ｙ ｇ ， ） ３． Ｇ ｒ ａ ｄ ｕ ａ ｔ ｅ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｏ ｆ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ａ ｃ ａ ｄ ｅ ｍ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ Ｂ ｅ ｉ ｉ ｎ １ ０ ０ ０ ３ ９， Ｃ ｈ ｉ ｎ ａ ｙ ｙ ｊ ｇ