收稿日期:20180412;修回日期:20180524 基金项目:国家自然 科学基金资 助项目(60975008);重 庆 市 研 究 生 科 研 创 新 项 目
(CYS17235)
作者简介:吴明明(1993),男,硕士,主要研究方向为图像处理(1107757952@qq.com);陈勇(1963),男,博士,主要研究方向为图像处理、模
式识别;房昊(1993),男,硕士,主要研究方向为图像处理.
基于 K均值聚类的彩色图像质量评价及优化
吴明明,陈 勇,房 昊
(重庆邮电大学 工业物联网与网络化控制教育部重点实验室,重庆 400065)
摘 要:针对彩色图像质量无法实时评价及优化的问题,提出了基于 K均值聚类的彩色图像质量评价及优化
算法。首先利用 K均值聚类的方式构建样本数据集;然后通过待评价图像与聚类数据集之间的相似性来构建
特征集;之后再将待优化图像与聚类数据集之间进行融合,对融合后的矩阵进行 PCA变换实现了图像质量的优
化。通过实验证明,所提评价算法与人眼主观视觉具有较好的一致性;同时,还能通过评价结果实现图像质量的
自适应优化。
关键词:图像质量评价;K均值聚类;主成分分析;图像优化
中图分类号:TP391.4 文献标志码:A 文章编号:10013695(2019)10060314804
doi:10.19734/j.issn.10013695.2018.04.0334
ColorimagequalityassessmentandoptimizationbasedonKmeansclustering
WuMingming,ChenYong,FangHao
(KeyLaboratoryofIndustrialInternetofThing&NetworkControlofMinistryofEducation,ChongqingUniversityofPosts& Telecommunica
tions,Chongqing400065,China)
Abstract:Inviewoftheproblemthatthecolorimagequalitycan’tbeevaluatedandoptimizedinrealtime,thispaperpro
posedacolorimagequalityassessmentandoptimizationmethodbasedonKmeansclustering.Thisalgorithm usedKmeans
clusteringtobuildthesampleset,andsetupfeaturesetsbythesimilaritybetweentheimageandtheclusterdataset.Then,it
fusedtheimagewiththeclusterdatasetandoptimizedthequalityoftheimagebyprincipalcomponentanalysis(PCA)trans
formationofthefusedmatrix.Experimentsshowthattheassessmentalgorithmhasgoodconsistencywithhumansubjectivevi
sion
,andatthesametime,itcanalsoachieveadaptiveoptimizationofimagequalitythroughassessmentresults.
Keywords:imagequalityassessment(IQA);Kmeansclustering;principalcomponentanalysis(PCA);imageoptimiza
tion
0 引言
由于图像在处理、传输和存储过程中会产生不同类型、不
同程度的降质,致使最终的成像出现一定的失真,严重妨碍了
图像的理解和分析
[1]
。所以设计一种量化失真程度和等级的
无参考图像质量评价方法,是图像评价领域极其重要且亟待解
决的问题
[2]
。图像质量评价可分为三大类:a)全参考图像质
量评价(fullreferenceIQA,FRIQA),该类方法需要衡量降质图
像与未失真图像间的相似度来衡量图像好坏。最具代表性的
全参考图像质量评价方法是
SSIM
[3]
和 VIF
[4]
,这些方法都符
合人眼视觉感知对图像质量的判断;b)半参考图像质量评价
(reducedreferenceIQA,RRIQA),该类方法仅需部分信 息即
可;c)无参考图像质量评价(noreferenceIQA,NRIQA),该类
评价因不需要要任何参考图像,更符合实际使用情况,故引起
非常广泛的 关注。不 难发 现,现阶 段 关于 彩 色 图像 的 评 价
较少。
现有的彩色图像评价方法大多将彩色图像分解成不同的
颜色通道,再用灰度图像的评价方法处理每个颜色通道;然后
为每个通道赋予不同的权重;最后联合求得最终的评价结果。
如 Seghir等人
[5]
在 YIQ空间内对图像的 Y通道提取边缘的相
似度,对 I和 Q通道计算像素点间信息相似程度,经融合后得
到图像质量评价值。Samani等人
[6]
提出了一个基于 DCT变化
域的彩色图像评价算法,将图像在
YCbCr空间内分为亮度和
色度两部分,将每部分图像划分为不重叠的图像块并对其提取
DCT变换系数,根据系数与失真程度的变化关系对图像进质
量评价。
He等人
[7]
计算图像 LAB空间中每一个通道的保真
度,然后将三个通道的结果融合。Lee等人
[8]
将图像变换至
CIELAB感知空间后分为亮度、色调与色度三部分,利用每部
分的角度、均值、标准差等构造评价测度。然而该类方法难以
确定最佳权重值。针对这一问题,文献[9]提出了一个通用的
无参考彩色图像质量评价方法 CQE,该方法固定权重后再从
色度、锐利度和对比度三个方面进行评价。刘建磊
[10]
在 CQE
方法的基础上提取了斜坡边缘的锐利度局部特征和对比度局
部特征,提出了基于局部特征的无参考彩色图像质量评价。闻
武等人
[11]
从亮度和色度两方面分别找到对应的直方图统计特
征并直接相加评价,提出一种基于色彩特征的彩色图像质量评
价方法。
综上可知,目前的彩色图像质量评价存在的不足,以及对
图像质量自适应优化的缺少,对此本文提出了一种基于
K均
值聚类的无参考彩色图像质量评价及优化方法。该方法在构
建聚类样本的基础上实现图像质量的自适应优化,实际应用
广泛。
1 图像预处理
从 LIVE图像数据库中选取 16幅不同场景和不同纹理的
第 36卷第 10期
2019年 10月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol36No10
Oct.2019