石永昌

（陸軍軍官學院 合肥 230031）

1 引言

客觀圖像質(zhì)量評價目前可以分成兩大類：1）基于內(nèi)容；2）基于失真?；趦?nèi)容的質(zhì)量評價算法主要是去評價圖像的內(nèi)在的一些性質(zhì)，例如：Ke等［1］提出了高質(zhì)量的特征要素用來區(qū)分高質(zhì)量的專業(yè)照片和普通照片。Li ＆Chen［2］研究了繪畫在藝術(shù)方面的質(zhì)量。這一類算法通常認為圖像是不含任何失真的?；谑д娴膱D像質(zhì)量評價聚焦于圖片產(chǎn)生過程中所產(chǎn)生的各類失真。基于參考圖像的信息可以分成三類：全參考、弱參考、無參考［3］。目前全參考和弱參考評價方法已經(jīng)比較成熟，也提出了很多經(jīng)典的算法，這些算法已經(jīng)非常接近于人類的主觀評價。無參考雖然近些年來發(fā)展迅速，但是評價效果與全參考還有一定的差距，是人們研究的重點和難點。

但是很多時候由于印刷或者畫面質(zhì)量的問題導致二維碼不能讀取，因此對它的質(zhì)量評價很重要，目前對二維碼的質(zhì)量評價很少，但是二維碼的質(zhì)量評價具有重要的意義。

評價二維碼過程中由于很難獲得原始圖像，所以全參考算法并不適用于二維碼的質(zhì)量評價，所以我們就需要一種能很好評價二維碼質(zhì)量的無參考算法。

目前無參考算法分為兩類：一類是基于特定失真，另一類是不基于特定失真。

所謂的基于特定失真是指無參考評價方法只局限于某些具體的失真類型上，如JPEG，JPEG2000等。也就是說一種算法只能評價一類的失真而不能去評價其他類。Wang等［4］就利用失真圖像在某些特征頻率上的峰值和能量從高頻到低頻的轉(zhuǎn)移來衡量其失真程度。Sheikh H R等［5］就針對圖像在不同尺度上的小波系數(shù)的衰減規(guī)律，提出了JPEG2000編碼失真評價算法。

不基于特定失真是指無參考評價方法對所有的失真類型都能評價，這類算法具有廣泛的適應(yīng)性。Bovik等基于NSS相繼提出了BIQI、DIIVINE、BLIINDS、BRISQUE、NRQE等一系列算法。P.Ye等基于碼書提出的CBIQ。

2 已知質(zhì)量的聚類

2.1 用于學習的數(shù)據(jù)庫的產(chǎn)生

由于二維碼圖像長的都比較相似所以只需要選取一幅原始參考圖像，在二維碼產(chǎn)生、傳輸過程中易受到模糊、椒鹽噪聲、亮度的影響，本文選取了一幅原始參考圖像將它加不同程度的失真以及它們的混合失真得到了49幅圖像。

2.2 塊質(zhì)量估計以及標準化

由于我們選取的訓練圖像庫沒有二維碼的主觀質(zhì)量評分，我們的目標是獲得一系列的已知質(zhì)量的質(zhì)心。在本文中我們將原始圖像與失真圖像都分成相同數(shù)量的若干個小塊，然后用全參考算法算出每一個小塊質(zhì)量，這里選用FSIM算法作為評價方法，選擇的理由有以下兩點：

1）FSIM是目前全參考算法中評價效果最好的。

2）FSIM算法的運算速度比較塊，比較適合對大量圖像塊的計算。

我們先將參考圖像和失真圖像分成若干個小塊，參考圖像的小塊表示成xi，失真圖像的小塊表示成di，F(xiàn)SIM的公式為

式中PC（xi）和G（xi）分別表示xi的相位一致性和梯度大小。t1和t2是一個很小的正實數(shù)用來保證等式的穩(wěn)定。si反映了圖像塊di的質(zhì)量，并且范圍為0～1。在全參考算法中我們一般將它作為圖像塊的質(zhì)量得分，然后平均所有的圖像塊就得到整幅圖像的質(zhì)量了。但是在本文中這個得分是用來學習的，如果直接用上面的得分會存在問題，我們要對這個得分進行歸一化，歸一化的方法是我們先得到一個常數(shù)C：

式中Ω表示圖像的所有塊，Ωp表示質(zhì)量最差10%的塊，我們得到標準化后的質(zhì)量Ci＝si／C。

2.3 已知質(zhì)量的聚類

我們獲得di與Ci之后已知質(zhì)量的聚類就獲得了，方法是通過將Ci將di分成質(zhì)量相似的若干個組。

由于標準化后的質(zhì)量的分都是介于0～1之間，我們將Ci分成L個等級，表示成ql＝1／L，我們將質(zhì)量相似的分到相同的組，表示成Gl：

我們在每一組中進行聚類就獲得已知質(zhì)量的聚類了。

在塊提取特征過程中，我們用高通濾波器來提取特征，從三個尺度上提取圖像塊的特征。將這些提取的特征表示成fi，運用K－means聚類對所得到的fi進行聚類，在每一個質(zhì)量等級形成30個聚類中心。碼書就構(gòu)建完成了。

3 質(zhì)量得分獲取

當給出一幅待測圖像時，將圖像分成若干個7＊7的小塊，每一塊圖像用高通濾波器提取它的特征，計算這個特征與碼書中的哪一個最近，就用碼書中那個特征所在的等級代表的值表示這個塊的質(zhì)量。這樣我們就獲得了圖像每一個塊的質(zhì)量，表示成zi，將所有塊的質(zhì)量進行平均就得到這幅圖像的質(zhì)量z：

4 實驗

測試庫我們選擇了一幅參考圖像，給它加不同程度的噪聲和模糊，如圖結(jié)果可以看出隨著失真的增大，質(zhì)量成下降趨勢，與人類的感知質(zhì)量基本一致，所以我們的評價結(jié)果是有效的。

圖1 二維碼實驗結(jié)果

5 結(jié)語

本文對最近很熱門的二維碼圖像進行了質(zhì)量評價，得到了比較好的結(jié)果，但是也有很多不足，如特征提取部分，可以換成空域特征，這樣計算速度較快。

［1］Y.Ke，X.Tang，F(xiàn).Jing.The design of high－level features for photo quality assessment［C］／／Proc.IEEE Conf.Comput.Vis.Pattern Recog.，2006，1：419－426.

［2］C.Li，T.Chen.Aesthetic visual quality assessment of paintings［J］.IEEE J.Sel.Topics Signal Process.，2009，3（2）：236－252.

［3］Z.Wang，A.C.Bovik.Modern Image Quality Assessment［M］.SanRafael，CA：Morgan ＆Claypool，2006.

［4］Z.Wang，A.C.Bovik，H.R.Sheikh，et al.Image quality assessment：From error visibility to structural similarity［J］.IEEE Trans.Image Process.，2004，13（4）：600－612.

［5］H.R.Sheikh，A.C.Bovik，G.de Veciana.An information fi－delity criterion for image quality assessment using natural scene sta－tistics［J］.IEEE Trans.Image Process.，2005，14（12）：2117－2128.