频率与方向敏感
SSIM
的图像质量评价方法
马丽红,龚紫平
(华南理工大学电子与信息学院广东省无线通信网络与终端重点实验室,广州 510640)
摘 要:将人眼视觉对比敏感度的空间频率及方向特性,引入到结构相似度(SSIM)计算中,提出一种对频率与方向敏感度加权的结构相似
度评价方法。对图像进行多级小波分解并计算各个子带的 SSIM 值,根据子带能量比重,对同一分解级下不同方向的子带 SSIM 值进行加
权,以对比敏感度函数(CSF)的方向敏感性,根据 CSF 的子带响应对各个分解级进行加权,显示 CSF 的频率敏感性。在 LIVE2 及 TID2008
图像质量数据库上的仿真结果表明,与其他图像质量评价方法相比,该方法评价结果与主观评价具有较好的一致性。
关键词:图像质量评价;主观质量;人类视觉系统;对比敏感度;离散小波变换;结构相似度
Image Quality Assessment Method for
Frequency and Direction Sensitive SSIM
MA Li-hong, GONG Zi-ping
(Guangdong Key Laboratory of Wireless Communication Network and Terminal, School of Electronic and Information Engineering,
South China University of Technology, Guangzhou 510640, China)
【Abstract】This paper introduces the special frequency and direction properties of contrast sensitivity of human vision into the calculation of
Structural Similarity(SSIM), and proposes a new structural similarity quality assessment method, called Frequency Direction Sensitive Structural
Similarity(FDSSS). The value of each sub-band SSIM of the wavelet-decomposed image is calculated. To reflect the direction sensitivity of CSF,
SSIM values of sub-bands under the same decomposition level with different directions are weighted according to their relative energy. To reflect the
frequency sensitivity of CSF, SSIM values of each decomposition level are weighted based on the frequency magnitudes of each sub-band of CSF.
Simulations results in LIVE2 and TID2008 database show that the proposed method is more consistent with subjective evaluation and outperforms
than several other popular image quality assessment methods.
【Key words】Image Quality Assessment(IQA); subjective quality; Human Visual System(HVS); contrast sensitivity; Discrete Wavelet Transform
(DWT); Structural Similarity(SSIM)
DOI: 10.3969/j.issn.1000-3428.2012.05.005
计 算 机 工 程
Computer Engineering
文章编号:1000—3428(2012)05—0019—06
1
概述
在图像处理应用中人是最终用户,因此,评价图像质量
最准 确的方法应是主观方法。著名的平均主观分数
(Mean
Opinion Scores, MOS)
,以及 差异平均 主观分数
(Difference
Mean Opinion Scores, DMOS)
,它们根据一定数量观察者的人
为质量评分来计算。主观方法准确、可靠,但通常比较耗时,
涉及评价者的主观喜好、经验,与观察时间长短引起的视觉
疲劳和误差有关;特别是大量评价图像时不得不采用自动操
作。因此,客观评价方法比较容易操作。早期的客观方法基
于 参 考 图像 和失 真 图 像 之 间的像素 差 异 , 例 如均方误 差
(Mean Squared Error, MSE)
和 峰 值 信 噪 比
(Peak Signal to
Noise Ratio, PSNR)
,计算简单、物理意义明确,但不考虑到
人类视觉系统
(Human Visual System, HVS)
的特性,评价结果
与主观评价的一致性较差
[1]
。
逼近
HVS
行为特性的客观方法有:
HVS
在视觉感知阈
值附近的某些低层特性近阈值特性,如对比敏感度
(Contrast
Sensitivity, CS)
和掩蔽效应
(Masking Effect, ME)
,可模拟
HVS
的评价行为
[2-5]
。仿 真对比敏感 度函数
(Contrast Sensitivity
Function, CSF)
的图像预滤波器,根据对应通带的
CSF
调整各
子带滤波器的相对增益,可以有效地判断失真是否视觉可
见
[6]
,不过,在失真明显可见情况下未必与主观评价相符。
最近出现的
VSNR
把
HVS
的失真明显可见时的超阈值特性
与近阈值特性结合利用
[1]
。
另一类评 价方法 着眼于以 数学方 法来模拟
HVS
的目
标
[7-8]
。结构相似度
(Structural Similarity, SSIM)
[7]
通过计算失
真图像与参考图像之间像素的空间相关性,来量化失真图像
相对 于参 考图 像 的结 构 信息损失。
VIF(Visual Information
Fidelity)
[8]
将
HVS
看作一个限制信息流量的失真信道,失真
图像的质量可用它所保留的参考图像的信息量来衡量。对包
含了多种超阈值失真的图像,
SSIM
和
VIF
的评价结果与主
观评价都有很高的相关性,原因是它们不依赖于
HVS
的近阈
值性质,因此对超阈值失真有较好的适应性。但是
VIF
的运
算复杂度较高,而
SSIM
数学基础简单便于分析和优化,因
此在实际应用中更具优势。
不过
SSIM
不考虑
HVS
的近阈值性质,尤其是
CSF
,因
此,无法预测失真是否可见,也无法预测失真的视觉重要性,
这对某些类型的失真评价与主观评价不符。针对这一缺点,
本文在
SSIM
的基础上通过引入
CSF
的子带响应及其对图像
基金项目:国家自然科学基金资助项目(60972133);广东省自然科 学
基金资助项目(9351064101000003);广东省绿色能源技术重点实 验室基
金资助项目(2008A060301002)
作者简介:马丽红(1965-),女,教授、博士,主研方向:视频信号处
理,容错编码,数据隐藏,模式识别;龚紫平,硕士研究生
收稿日期:2011-08-22 E-mail:eelhma@scut.edu.cn