摘 要： 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(jià)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(jìn)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(gè)通道分別進(jìn)行加權(quán)相加,。實(shí)驗(yàn)結(jié)果表明,，算法與人眼主觀感受值更加吻合。
關(guān)鍵詞： 小波變換,；彩色圖像,；質(zhì)量評價(jià)
0 引言
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(jià)結(jié)果與人眼主觀感受非常接近,，算法實(shí)現(xiàn)復(fù)雜度較低,，不少學(xué)者對此方法進(jìn)行改進(jìn)。
參考文獻(xiàn)[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(jìn)行改進(jìn)，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(jià)值的擬合程度,，本文還將小波分解后低頻分量進(jìn)行DCT分塊，對分塊后的中高頻分量計(jì)算SSIM,，增加算法的抗噪聲能力,，同時(shí)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(jià)方法,，它將圖像劃分為亮度,、對比度和結(jié)構(gòu)3個(gè)成分進(jìn)行比較。將這3個(gè)分量以一定比例整合,，即為SSIM評價(jià)指標(biāo),。
SSIM算法會(huì)出現(xiàn)一些判斷失誤的情況，如圖1所示,。
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(shí)視覺興趣區(qū)域的概括。學(xué)者M(jìn)ANNOS和SAKRISON經(jīng)過大量的試驗(yàn),，建立了CSF的函數(shù)表達(dá)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,。
可以看到,，當(dāng)頻率低于40時(shí)，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：
?。?）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RGB 3個(gè)通道,。
?。?）對原圖和嵌入水印后的圖像分別進(jìn)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HH 3部分,，對它們進(jìn)行加權(quán)相加，得到各級小波分解后的高頻和低頻子圖,。
其中,，k=1，2,，3,，4，小波分解后各子帶如圖3所示,。
?。?）對各個(gè)子帶分別求SSIM值，將CSF曲線按照上述方法進(jìn)行4級小波分解,，各級系數(shù)如表1所示,。
取各頻帶系數(shù)的平均值作為加權(quán)系數(shù)，得到結(jié)果
?。?）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(jìn)行分塊DCT變換，取每個(gè)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：
DCWSSIM=Wdct*CWSSIM（6）
得到權(quán)值修正后的DCWSSIM，使得曲線更加聚合,。
?。?）對彩色圖的各個(gè)通道分別進(jìn)行加權(quán)，得到最終的CWSSIM：
4 仿真實(shí)驗(yàn)
為了測試這幾種算法對彩色圖像的評價(jià)值與人眼主觀評價(jià)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(jìn)行測試,，并對客觀評價(jià)結(jié)果和DMOS分值繪制散點(diǎn)圖，進(jìn)行曲線擬合,。
首先采用Live圖庫進(jìn)行測試，橫軸表示客觀評價(jià)算法,，縱軸表示DMOS值,，每一點(diǎn)表示一幅圖片，如圖4所示,。
可以看出,，PSNR、SSIM和MWSSIM方法所繪制的散點(diǎn)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(shí),，可能會(huì)出現(xiàn)評價(jià)不準(zhǔn)確的情況；而本文算法對高斯白噪聲的評價(jià)更接近預(yù)測曲線,。
采用VQEG評價(jià)標(biāo)準(zhǔn)對上述6種客觀評價(jià)算法作評價(jià),，測試結(jié)果如表2所示。
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(shí)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(bǔ)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(jìn)行DCT分塊,，計(jì)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(gè)通道分別加權(quán),，使得本算法對彩色圖像的評價(jià)值更加精確。
參考文獻(xiàn)
[1] Chen Guanhao,， Yang Chunling,， Xie Shengli. Gradient-based 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(jià)方法[J].微型機(jī)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(jià)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(jià)方法[J].電子學(xué)報(bào),，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 Signal Processing 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.