段曉杰，范鐵生，曲大鵬（遼寧大學(xué) 信息學(xué)院，遼寧 沈陽(yáng) 110036）

基于小波變換和HVS的彩色圖像質(zhì)量評(píng)價(jià)方法*

段曉杰，范鐵生，曲大鵬
（遼寧大學(xué) 信息學(xué)院，遼寧 沈陽(yáng) 110036）

提出了一種基于小波變換和人類(lèi)視覺(jué)系統(tǒng)的圖像質(zhì)量評(píng)價(jià)方法。首先分別測(cè)得4級(jí)小波分解后高低頻分量的SSIM值并用CSF曲線加權(quán)，然后對(duì)低頻分量進(jìn)行分塊DCT變換，測(cè)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(duì)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。

小波變換；彩色圖像；質(zhì)量評(píng)價(jià)

［1］～［5］通過(guò)Sobel算子分區(qū)、小波變換分區(qū)、contourlet多方向分區(qū)等方式對(duì)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(duì)人類(lèi)視覺(jué)的色彩掩蔽效應(yīng)，針對(duì)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(píng)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(duì)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(duì)

JPEG壓縮的檢測(cè)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(píng)價(jià)方法，它將圖像劃分為亮度、對(duì)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(píng)價(jià)指標(biāo)。

SSIM（x，y）=［l（x，y）］α［c（x，y）］β［s（x，y）］γ（1）

SSIM算法會(huì)出現(xiàn)一些判斷失誤的情況，如圖1所示。

圖1 Lena圖像不同失真SSIM值

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(cè)得的SSIM值相反。

2 人類(lèi)視覺(jué)系統(tǒng)

人類(lèi)視覺(jué)系統(tǒng)（Human Visual System，HVS）存在諸多掩蔽效應(yīng)，如亮度掩蔽、對(duì)比度掩蔽、紋理掩蔽、色彩掩蔽、頻率掩蔽等。

對(duì)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(duì)人類(lèi)觀察圖像時(shí)視覺(jué)興趣區(qū)域的概括。學(xué)者M(jìn)ANNOS和SAKRISON經(jīng)過(guò)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。

圖2 CSF曲線圖

可以看到，當(dāng)頻率低于40時(shí)，人眼的視覺(jué)敏感度幾乎為零。

傳統(tǒng)SSIM算法只考慮了亮度、對(duì)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：

（1）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RGB3個(gè)通道。

（2）對(duì)原圖和嵌入水印后的圖像分別進(jìn)行4級(jí)小波分解，分別提取低頻子帶f5和每級(jí)分解的高頻子帶。每級(jí)小波分解的高頻子帶分為L(zhǎng)L、LH和HH3部分，對(duì)它們進(jìn)行加權(quán)相加，得到各級(jí)小波分解后的高頻和低頻子圖。

fk=α1*LHk+α2*HLk+α3*HHk（3）其中，k=1，2，3，4，一般取α1=α2=α3。小波分解后各子帶如圖3所示。

圖3 小波分解后各子帶示意圖

（3）對(duì)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(jí)小波分解，各級(jí)系數(shù)如表1所示。

表1 CSF曲線4級(jí)小波分解表

取各頻帶系數(shù)的平均值作為加權(quán)系數(shù)，得到結(jié)果

（4）為了克服噪聲和壓縮攻擊對(duì)CWSSIM的影響，對(duì)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(cè)其SSIM值作為權(quán)值：

然后與前面測(cè)得的CWSSIM值相乘，即：

得到權(quán)值修正后的DCWSSIM，使得曲線更加聚合。

（5）對(duì)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(cè)試這幾種算法對(duì)彩色圖像的評(píng)價(jià)值與人眼主觀評(píng)價(jià)值DMOS的擬合程度，采用Live數(shù)據(jù)庫(kù)［8］對(duì)本文算法和相關(guān)算法進(jìn)行測(cè)試，并對(duì)客觀評(píng)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(kù)進(jìn)行測(cè)試，橫軸表示客觀評(píng)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。

圖4 Live數(shù)據(jù)庫(kù)測(cè)試散點(diǎn)圖

可以看出，PSNR、SSIM和MWSSIM方法所繪制的散點(diǎn)圖過(guò)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(duì)待高斯白噪聲（圖中圓圈所示）時(shí)，可能會(huì)出現(xiàn)評(píng)價(jià)不準(zhǔn)確的情況；而本文算法對(duì)高斯白噪聲的評(píng)價(jià)更接近預(yù)測(cè)曲線。

采用VQEG評(píng)價(jià)標(biāo)準(zhǔn)對(duì)上述6種客觀評(píng)價(jià)算法作評(píng)價(jià)，測(cè)試結(jié)果如表2所示。

表2 Live數(shù)據(jù)庫(kù)客觀評(píng)價(jià)表

由上表可以看出，本文所用方法對(duì)于Live圖像數(shù)據(jù)庫(kù)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(méi)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(duì)噪聲敏感，通常檢測(cè)的經(jīng)過(guò)JPEG壓縮的圖像值偏高，而經(jīng)過(guò)噪聲處理的圖像值偏低，本文對(duì)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(cè)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(duì)RGB圖像的3個(gè)通道分別加權(quán)，使得本算法對(duì)彩色圖像的評(píng)價(jià)值更加精確。

參考文獻(xiàn)

［1］Chen Guanhao，Yang Chunling，Xie Shengli.Gradientbased 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(jué)特性的 X線圖像質(zhì)量評(píng)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(píng)價(jià)新算法［D］.廈門(mén)：廈門(mén)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(píng)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 SignalProcessing 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.

Color image quality assessment method based on wavelet transform and HVS

Duan Xiaojie，F(xiàn)an Tiesheng，Qu Dapeng
（School of Information，Liaoning University，Shenyang 110036，China）

This paper presents an image quality assessment methods based on wavelet transform and human visual system.First of all，we measured the SSIM value of high frequency and low frequency components of four levels wavelet decomposition and weighted by CSF curve.Then we measured the SSIM value of the high frequency component and middle frequency component of each DCT blocks as a multiplicative factor.Finally，for each channel of color image respectively weighted sum.Experimental results show that this algorithm is more consistent with human subjective value.

wavelet transform；color image；quality assessment

TP309.7

A

1674-7720（2015）18-0039-03

段曉杰，范鐵生，曲大鵬.基于小波變換和HVS的彩色圖像質(zhì)量評(píng)價(jià)方法［J］.微型機(jī)與應(yīng)用，2015，34（18）：39-41，44.

0 引言

2015-04-21）

段曉杰（1989-），女，碩士，主要研究方向：圖像處理、數(shù)字水印。

范鐵生（1955-），男，碩士，教授，主要研究方向：信息隱藏、聲紋識(shí)別、圖像處理。

曲大鵬（1981-），男，博士，講師，主要研究方向：移動(dòng)對(duì)等網(wǎng)絡(luò)。

遼寧省教育廳科學(xué)研究項(xiàng)目（L2013001）；遼寧大學(xué)博士啟動(dòng)項(xiàng)目

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(guò)測(cè)量圖像結(jié)構(gòu)信息來(lái)判斷圖像質(zhì)量，評(píng)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(duì)此方法進(jìn)行改進(jìn)。