技术领域
[0001] 本
发明涉及
图像处理技术领域，尤其涉及当图像是用于人眼探测识别时的一种基于人眼视觉的图像质量表征方法。
背景技术
[0002] 图像作为视觉信息的载体，已经广泛应用于各种不同的领域，然而由于成像与图像显示过程中各种因素的影响，并不是所有图像都能很好地满足任务需求，因此，评价一幅图像的好坏就显得极为重要。不同的任务对图像质量的要求是不同的，视频传输要求图像能够尽可能多地保持原始图像的特征，目标识别要求图像中待识别的目标尽可能突出……。因此，图像质量的表征一定是针对特定意义的。探索不同目的下如何表征图像质量已成为图像处理领域的一个热点问题。
[0003] 图像质量表征方法可分为主观图像质量表征方法和客观图像质量表征方法两类。主观图像质量表征方法主要是让观察者依据事先制定好的标准凭经验对图像质量进行评判，给出图像质量分值。客观图像质量表征方法根据评价过程中有无原始图像参考，可以将其分为有参考图像质量表征方法和无参考图像质量表征方法两种。
[0004] 传统的有参考图像质量表征方法有均方误差(MSE)、峰值
信噪比(PSNR)等。这些方法虽然能在一定程度上反映被表征图像与参考图像之间的图像质量变化，但其结果往往和人的主观感受存在较大差异。近年来，Zhou Wang等学者提出了一些基于图像结构相似度的图像质量表征方法，其表征结果较为接近人眼的主观感受。国内也有相关方法的
专利申请，如厦
门大学黄联芬等人的“基于视觉特性与结构相似度的图像质量评测方法”(申请号：201010168036.2)等。
[0005] 由于在大多数情况下，表征一幅图像的质量时，很难得到或者是根本没有原始图像作为参考，所以无参考图像质量表征一直是图像质量表征领域里的重点和难点。传统的无参考图像质量表征方法主要考察图像的
对比度、清晰度以及图像中的各种失真和干扰对图像质量的影响，这些方法虽然从不同的侧面反映了图像的质量，但表征过程中都只是考虑图像本身的特性，没有考虑到人眼视觉特性在图像质量表征过程中的作用，所以其结果和人眼的主观感受也存在较大差异。也有学者通过引入人眼视觉特性对图像质量进行表征，如南京信息工程大学焦峰等人的专利“基于小波和结构自相似性分析的无参考图像质量评价方法”(申请号：201010555966.3)，天津大学邱亚男的硕士毕业论文《基于人眼视觉特性的图像增强
算法研究》等。前者在小波域进行图像质量的表征，后者在空间域对增强图像的质量进行表征。
[0006] 综上所述，目前，关于图像质量表征的研究主要集中于有参考图像的质量表征，无参考图像质量的表征方法还不成熟。将图像作为人眼观察时信息传递的载体，通过图像对信息传递这一任务的完成程度来评价图像质量尚属空白。
发明内容
[0007] 针对
现有技术中的不足，本发明提供一种基于人眼视觉的无参考图像情况下进行图像质量表征的方法。
[0008] 本发明为实现上述目的所采用的技术方案是：一种基于图像信息人眼可感知度的图像质量表征方法，根据图像总信息I总和人眼能够感知到的图像信息I感，得到图像质量[0009] Q＝100×I感/I总 (1)
[0010] 所述图像总信息I总为图像中所有信息的总和，基于相邻
像素的灰度差来表示。
[0011] 所述图像总信息I总根据灰度差计算基元的不同有三种具体表示方式：
[0012] 当灰度差计算基元为像素对时，检查图像所有的相邻像素对，以灰度不同的像素对的总数作为图像的总信息；
[0013] 当灰度差计算基元为边缘时，将
图像分割成灰度值相同且连通的区域，以相邻区域间的边缘总数作为图像总信息；
[0014] 当灰度差计算基元为区域时，将图像分割成灰度值相同且连通的区域，以区域的总数作为图像的总信息。
[0015] 所述人眼能够感知到的图像信息I感为图像中人眼可以感知到的信息总和，基于人眼对相邻像素灰度差的感知度来表示。
[0016] 所述人眼能够感知到的图像信息I感根据灰度差计算基元的不同有三种具体表示方式：
[0017] 当灰度差计算基元为像素对时，检查图像所有的相邻像素对，以人眼对像素对间灰度差的感知度总和作为人眼可以感知到的信息总和；
[0018] 当灰度差计算基元为边缘时，将图像分割成灰度值相同且连通的区域时，检查所有的相邻区域，以人眼对相邻区域边缘感知度总和作为人眼可以感知到的信息总和；
[0019] 所述人眼对相邻区域边缘感知度为人眼对相邻区域边缘两边灰度差的感知度；
[0020] 当灰度差计算基元为区域时，将图像分割成灰度值相同且连通的区域时，检查所有的区域，以人眼对所有区域感知度的总和作为人眼可以感知到的信息总和；
[0021] 所述人眼对区域的感知度为人眼对某一区域与所有相邻区域灰度差感知度的最小值。
[0022] 本发明具有以下优点：将图像质量与人眼能够从图像中接收到信息关联起来，提出了更符合人眼视觉特性的无参考图像质量表征基本
框架；首次提出面向人眼探测识别的图像质量表征方法，可以作为面向探测识别的图像优化的优化准则。
附图说明
[0023] 图1为人眼JND特性曲线；
[0024] 图2为人眼对灰度差感知度阶跃函数曲线；
[0025] 图3为人眼对灰度差感知度连续函数曲线；
[0026] 图4为目标图像1；
[0027] 图5为目标图像2；
[0028] 图6为目标图像3；
[0029] 图7为图4的灰度变换结果图像。
具体实施方式
[0030] 下面结合附图及
实施例对本发明做进一步的详细说明。
[0031] 根据技术方案，为表示一幅图像的图像质量，首先要具体定义图像总信息的表示，其次要具体定义人眼能感知的图像信息的表示。只要定义了这两个量，就可以直接利用公式(1)计算图像质量。技术方案中给出了基于不同图像信息计算基元的3种图像总信息和相应的人眼能感知的图像信息的表示方式，在具体实施过程中，需要进一步明确人眼对不同灰度差的感知特性曲线，本方案通过人眼的
亮度阈值特性(Just Noticeable Difference：JND)(如图1所示)来确定图像中的这些信息能否被人眼感知。
[0032] 人眼JND曲线给出了在一定亮度背景下，人眼能够区别目标和背景所需的最小灰度差阈值，这一阈值随着像素灰度的不同而不同，对于较小和较大的灰度，需要较大的灰度差人眼才能感知到，而对于中间灰度，则只要较小的灰度差人眼就可以感知到。据此可以得到人眼在不同的灰度下对灰度差异的感知程度的定量表示，这种表示有阶跃表示和连续表示两种方式。
[0033] 阶跃表示即对某一灰度，当相邻像素对、边缘两边、区域之间的灰度差大于等于该灰度所对应的JND阈值时，认为这些信息能够完全被人眼感知，其感知度为1，当灰度差低于JND阈值时，认为这些信息不能被人眼感知，其感知度为0，其数学表达式如式(2)所示。图2给出了某一灰度值对应的图像信息人眼感知度阶跃函数曲线，其它灰度的与此类似。
[0034]
[0035] 连续表示即对某一灰度，假设人眼对不同灰度差异从0到255的感知程度是连续变化的，当灰度差小于该灰度所对应的JND阈值时，人眼对灰度差得感知度变化较快，当灰度差等于该灰度所对应的JND阈值时，感知度达到一定的值，当灰度差大于该灰度所对应的JND阈值时，感知度变化缓慢，灰度差等于255时，感知度达到1，其数学表达式如式(3)所示。这一连续变化曲线需要借助于人眼的视觉生理和视觉
心理学研究成果来进一步精确描述。图3给出了一种最简单的人眼对灰度差感知度的连续曲线。其定义为：
[0036]
[0037] 这里人眼JND曲线可以通过人眼亮度阈值特性测试实验得出。该阈值在不同显示设备、亮度环境下的值不同。在实际应用本发明的过程中，可以在应用环境下，通过人眼亮度阈值特性测试实验测得阈值的具体数值。该实验在姚军财等人的《
阴极射线管显示器亮度范围内对人眼视觉特性的实验研究》(物理学报，第57卷，第7期，2008)中有详细描述。
[0038] 下面分别给出由不同图像信息计算基元所决定的3种实施方式。
[0039] 实施方式1：基于像素对的图像质量表征
[0040] 基于像素对的图像质量表征以相邻像素对作为图像信息表征的基元，定义图像总信息为图像中所有有灰度差异的像素对的总数，人眼能感知到的图像信息为人眼对所有像素对感知度的总和。
[0041] 具体实现方案为：遍历图像中的各像素，并计算当前像素与其右方、下方的相邻像素的差值(图像右边最后一列只计算其与下方的相邻像素的差值，下方最后一行只计算其与右方相邻像素的差值)若其与相邻像素差值不为零，则将其统计在图像的信息中。再通过前面所述的两种计算人眼感知度的表示方式，利用公式(2)和公式(3)计算人眼对所有像素对的感知度，并累加所有像素对的感知度作为人眼可感知的图像信息。
[0042] 实施方式2：基于边缘的图像质量表征
[0043] 基于边缘的图像质量表征是将图像中各区域之间的边缘作为图像信息表征的基元，以图像中两个相邻区域的边缘的总个数作为图像总信息，以人眼对所有边缘灰度差感知度的和作为人眼能感知的图像信息。
[0044] 具体实现方案为：对图像进行区域分割，分割的准则是灰度相同且连通的所有像素作为一个区域；遍历图像中的所有区域，得到图像两相邻区域的所有边缘作为图像总信息；计算所有边缘的相邻区域灰度差，并以此为输入，采用(2)或(3)式计算出对所有边缘的感知度，累加所有边缘的感知度作为人眼可感知的图像信息。
[0045] 实施方式3：基于区域的图像质量表征
[0046] 基于区域的图像质量表征以图像中灰度相同的区域作为图像信息表征的基元，以组成图像的区域总数作为图像总信息，以人眼对所有区域间灰度差的感知度作为人眼能感知的图像信息。
[0047] 具体实现方案为：对图像进行区域分割，分割的准则是灰度相同且连通的所有像素作为一个区域；遍历图像中的所有区域，得到图像总信息；把与当前区域相邻的所有区域的灰度差值计算出来，取其中最小的灰度差作为计算人眼对区域感知度的输入，采用(2)或(3)式计算出对所有区域的感知度，累加所有区域的感知度作为人眼可感知的图像信息。
[0048] 附图中，图4～图6分别给出了三组目标图像，从视觉效果上看，三个图像中都由两个正方形目标，只是目标与背景间的对比度有所差异。图4和图6在视觉效果上相同，图像中的目标比图5更容易分辨。实际上，图5和图6中都只有2个目标，且两个目标都可见，但图4中有4个目标，其中有两个由于与背景间灰度差异较小而不可见。图7给出了图4经过简单的灰度变换得到的图像，其中可以清晰地看到另外两个目标。因此，从图像质量上来看，应该是图6最好，图5次之，图4最差。利用上述三个实施方案，我们分别对图4～图6这3幅图像进行了图像质量表征，计算结果如表1所示：
[0049] 表1.图像质量表征结果
[0050]
[0051] 从表1中可以看出，各种方法计算的图5和图6的图像质量都好于该方法计算的图4的图像质量，与前面的分析相符，说明了本发明提出的面向人眼感知度的图像质量表征方法能够表征出图像作为信息载体的本质特征。用阶跃函数计算的图5和图6的图像质量相等，用连续函数计算的图6的图像质量好于图5的图像质量，说明用连续函数表示的人眼感知度比用阶跃函数表示的人眼感知度更能充分体现灰度差异大小对目标探测识别的影响。
