Journal of Computer Applications 计算机应用，2012，32( 12) : 3369 － 3372 文章编号： 1001 － 9081 （ 2012 ） 12 － 3369 － 04
ISSN 1001-9081 CODEN JYIIDU
2012-12-01 http: / / www． joca． cn doi： 10． 3724 / SP． J． 1087． 2012． 03369
0
引言
图像质量评价是图像视频处理领域的一项基本技术 ， 在
在第一阶段获得局部质量分布图后 ， 第二阶段主要研究如何 1］ 比较了一些常用的 对局部图像质量进行加权综合 。文献［ 加权算法， 如 Minkowski 测度加权和局部失真加权等方法 ， 并 认为最好的方法是基于图像内容信息的加权方法 。一个普遍 的假设认为， 图像中的每个区域在视觉感知中的重要性并不 完全相同
Image quality assessment based on local invariant features
YANG Yazhou ， YING Xiaoqing， CHENG Guangquan， TU Dan
( College of Information System and Management， National University of Defense Technology， Changsha Hunan 410073 ， China)
［5 ］
图像处理算法的分析比较 、 图像视频系统的参数优化等方面 发挥着重要作用。图像质量评价大体上可以分为主观评价和 客观评价两种。主观评价方法是凭感知者主观感受来评价图 但是该方法耗时多、 费用高， 难以应用于实时的评 像的质量， 价系统。因此， 研究客观、 准确、 高效并与人类视觉特性相一 致的客观质量评价方法具有重要意义 。 传统的客观评价方法， 根据对原始图像参考程度的不同 可以分成三类： 完全参考型、 部分参考型和无参考型 。完全参 考型图像质量评价方法通常采用两阶段评价模型
基于局部不变特征的图像质量ห้องสมุดไป่ตู้价
杨亚洲 ，尹晓晴，程光权，涂
( * 通信作者电子邮箱 yazhouy@ gmail． com)
*
丹
( 国防科学技术大学 信息系统与管理学院，长沙 410073)
摘
要：针对结构相似度算法在感知图像质量时采取平均加权策略的不足 ， 利用人眼对图像中不同区域的关注
程度不同的特性， 提出了基于局部不变特征的图像质量评价算法 。 该算法在失真图像结构相似度质量分布图的基础 上， 提取图像的局部不变特征点 ， 将这些特征点周围一定区域赋予较大的视觉权重 ， 最后运用综合加权策略来衡量失 真图像的质量。在标准图像测试库上的实验结果表明 ， 该算法计算复杂度相对较低 ， 较大地提高了结构相似度算法 的评价效果， 与人眼主观感知图像质量取得了更好的一致性 。 关键词：图像质量评价； 结构相似度； 尺度不变特征变换； 视觉重要性； 人眼视觉系统 中图分类号： TP391． 41 文献标志码：A
*
Abstract: In order to overcome the deficiency of the weighted average strategy which is adopted in the structure similarity algorithm for the perception of image quality， considering that certain regions in an image may not bear the same importance as others， an image quality assessment metric based on local invariant features was put forward． The algorithm used structural similarity to calculate the quality map of distorted image， and then extracted the local invariant features points in the distorted image． The region around features points was given more visual importance， and the quality of the image distortion could be evaluated by using integrated weighting strategy． The experimental results on the standard image library show that the computational complexity of this algorithm is relatively lower and the evaluation performance of structure similarity algorithm can be considerably increased， which achieves better consistency with the subjective assessment of human eyes． Key words: image quality assessment; Structural Similarity ( SSIM) ; Scale Invariant Features Transform ( SIFT) ; visual importance; Human Visual System ( HVS)
［1 ］
。在这个假设下， 许多学者发现将视觉重要性运
用到区域质量加权阶段 ， 将有助于提高图像质量评价与人类 （ Human Visual System， HVS） 的一致性。 视觉系统 研究表明， 人眼观察图像时注视的区域或感兴趣区域相 比其他区域具有更多的重要性 ， 可以用来改进现有图像质量 评价算法的性能