張劍英，汪　一，張躍輝

(中國礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇　徐州　221008)

?

色度在評價(jià)增強(qiáng)圖像時(shí)對傳統(tǒng)算法的修正效果

張劍英，汪一，張躍輝

(中國礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇徐州221008)

增強(qiáng)圖像是指與原始圖像相比在清晰度、亮度、色彩、對比度等方面有一定增強(qiáng)的圖像。圖像增強(qiáng)已被廣泛應(yīng)用，例如很多圖像處理軟件PS，ACDSee等都能夠?qū)D像進(jìn)行增強(qiáng)。與此同時(shí)，也出現(xiàn)了很多圖像增強(qiáng)算法。所以，對增強(qiáng)圖像的質(zhì)量評價(jià)具有重要意義。傳統(tǒng)的圖像質(zhì)量評價(jià)算法不能夠?qū)υ鰪?qiáng)圖像進(jìn)行精確評價(jià)。增強(qiáng)圖像與原始圖像相比，在色度上存在一定差異。在此基礎(chǔ)上，研究了色度在評價(jià)增強(qiáng)圖像質(zhì)量時(shí)對傳統(tǒng)的圖像質(zhì)量評價(jià)算法的修正效果。在增強(qiáng)圖像數(shù)據(jù)庫中進(jìn)行的實(shí)驗(yàn)證明在評價(jià)增強(qiáng)圖像質(zhì)量時(shí)，色度能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行較好的修正。

增強(qiáng)圖像；圖像質(zhì)量評價(jià)算法；色度

增強(qiáng)圖像與原始圖像相比，在清晰度、亮度、色彩、對比度等方面有一定增強(qiáng)[1]，所以增強(qiáng)圖像與原始圖像相比具有更好的圖像質(zhì)量。

傳統(tǒng)的全參考圖像質(zhì)量評價(jià)算法有很多[2]，例如：峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)方法、結(jié)構(gòu)相似性(Structural SIMilarity，SSIM)[3]方法、梯度相似度方法(Gradient SIMilarity，GSM)[4]和視覺信噪比方法(Visual Signal-to-Noise Ratio， VSNR)[5]。SSIM方法首先提取原始圖像和失真圖像的亮度、對比度和相關(guān)度，然后分別求出三種特征的相似度，最后將三個(gè)相似度進(jìn)行整合作為最終的圖像質(zhì)量分?jǐn)?shù)。GSM方法結(jié)合了人類視覺特性并且用梯度相似度來衡量對比度和結(jié)構(gòu)特征。另外，將結(jié)合了亮度相似度后的結(jié)果作為最終圖像的客觀質(zhì)量分?jǐn)?shù)。VSNR方法首先利用小波模型計(jì)算對比度閾值；如果失真小于閾值，那么失真圖像被認(rèn)為具有完美的視覺保真度，則不進(jìn)行進(jìn)一步處理。反之，如果失真大于閾值，則分別求出它們對比度和優(yōu)先級的歐氏距離，最后將兩種距離進(jìn)行整合得到最后的圖像質(zhì)量分?jǐn)?shù)。

傳統(tǒng)的圖像質(zhì)量評價(jià)算法中的原始圖像是無失真圖像，而增強(qiáng)圖像與原始圖像相比具有更好的圖像質(zhì)量，所以，它們不能夠?qū)υ鰪?qiáng)圖像進(jìn)行精確評價(jià)。顏色特征影響人類對圖像質(zhì)量的評價(jià)[6]，而增強(qiáng)圖像與原始圖像在色度上存在差異，本文將色度和傳統(tǒng)的圖像質(zhì)量評價(jià)算法結(jié)合來對增強(qiáng)圖像進(jìn)行質(zhì)量評價(jià)以證明在增強(qiáng)圖像的質(zhì)量評價(jià)中，色度能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行修飾。本文首先將RGB彩色原始圖像和增強(qiáng)圖像轉(zhuǎn)換到Y(jié)UV色彩空間，然后分別提取出它們的色度圖，并求出色度圖的相似度圖，進(jìn)一步求出相似度圖像的均值。同時(shí)，計(jì)算出傳統(tǒng)的圖像質(zhì)量評價(jià)算法的評價(jià)結(jié)果。最后，將二者的線性相乘結(jié)果作為增強(qiáng)圖像的客觀質(zhì)量分?jǐn)?shù)。在增強(qiáng)圖像數(shù)據(jù)庫中的實(shí)驗(yàn)結(jié)果表明，結(jié)合V后的圖像質(zhì)量評價(jià)算法性能得到提高，能夠與主觀評價(jià)結(jié)果保持很高的一致性，即在增強(qiáng)圖像質(zhì)量評價(jià)中，V能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行修飾。

1　結(jié)合色度的傳統(tǒng)圖像質(zhì)量評價(jià)算法

本文首先將彩色圖像轉(zhuǎn)換到Y(jié)UV顏色空間。在YUV色彩空間中，Y表示明亮度，U/V表示色度。其中的V分量能夠反映RGB輸入信號紅色部分與RGB信號亮度值之間的差異。原始圖像和增強(qiáng)圖像在色度上存在差異，圖1和圖2給出了兩幅原始圖像和它們相對應(yīng)的增強(qiáng)圖像在色度圖。圖1、圖2顯示，增強(qiáng)圖像和原始圖像相比，在色度上有所增強(qiáng)。

圖1　“church”原始圖像和增強(qiáng)圖像的色度圖像

假設(shè)原始圖像和增強(qiáng)圖像的色度圖像分別為V，Ve。

然后計(jì)算V和Ve的相似度圖像

1≤i≤M,1≤j≤N

(1)

其中，c是接近于0的常數(shù)，目的是防止分母為零。

然后，將V的相似度圖像進(jìn)行平均得到增強(qiáng)圖像和原始圖像的色度的相似度。

(2)

假設(shè)傳統(tǒng)的圖像質(zhì)量評價(jià)算法的測量結(jié)果為S，則將其與色度的相似度進(jìn)行線性相乘。

Q=1-Ve·S

(3)

Q值越大，說明增強(qiáng)圖像質(zhì)量越好；反之，圖像質(zhì)量越差。

圖2　“boat”原始圖像和增強(qiáng)圖像的色度圖像

2　實(shí)驗(yàn)結(jié)果與分析

Vu[7]等建立了增強(qiáng)圖像數(shù)據(jù)庫。數(shù)據(jù)庫中共有104幅圖像，其中包含26幅原始圖像和每幅原始圖像對應(yīng)的3幅增強(qiáng)圖像(26×3)。增強(qiáng)圖像是指通過增強(qiáng)原始圖像的清晰度、亮度、色彩、對比度等影響圖像質(zhì)量的因素，得到的比原始圖像有更好質(zhì)量的圖像。

為了直觀地看到本文算法的優(yōu)越性能，利用如式(4)及Logistic非線性回歸方程對主客觀評價(jià)結(jié)果進(jìn)行擬合

(4)

其中，x表示增強(qiáng)圖像客觀質(zhì)量分?jǐn)?shù)，擬合時(shí)選取適當(dāng)?shù)膖1，t2，t3，t4的值使得主觀質(zhì)量分?jǐn)?shù)的誤差最小。圖3給出了4種傳統(tǒng)的圖像質(zhì)量評價(jià)算法以及結(jié)合色度V后在增強(qiáng)圖像數(shù)據(jù)庫上的擬合圖。

圖3　傳統(tǒng)圖像質(zhì)量評價(jià)算法結(jié)合V前后的擬合圖

圖3顯示，傳統(tǒng)的圖像質(zhì)量評價(jià)算法結(jié)合色度V后獲得的增強(qiáng)圖像質(zhì)量分?jǐn)?shù)能夠較好地聚集在擬合曲線附近，說明在評價(jià)增強(qiáng)圖像質(zhì)量時(shí)，色度能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行修飾。

表1給出了4種傳統(tǒng)的全參考質(zhì)量評價(jià)算法和結(jié)合V后在增強(qiáng)圖像庫中的測試結(jié)果。用相關(guān)系數(shù)(Pearson Linear Correlation Coefficient， PLCC) 和均方根誤差(Root Mean Square Error， RMSE) 衡量主客觀質(zhì)量分?jǐn)?shù)的一致性，PLCC值越大，RMSE值越小說明算法預(yù)測的準(zhǔn)確性越高；同時(shí)，用SROCC( Spearman Rank Order Correlation Coefficient) 衡量算法的單調(diào)性，SROCC值越大說明算法預(yù)測的單調(diào)性越好[8]。

表1傳統(tǒng)的圖像質(zhì)量評價(jià)算法結(jié)合V前后的測試結(jié)果

方法PLCCSROCCRMSEPSNR0.27970.25151.9582PSNR×V0.46080.42761.8102SSIM[3]0.70290.69501.4507SSIM×V0.88840.88360.9361GSM[4]0.71540.71231.4252GSM×V0.88830.88450.9367VSNR[5]0.35760.32521.9048VSNR×V0.52110.51241.7408

表1顯示，4種傳統(tǒng)的圖像質(zhì)量評價(jià)算法結(jié)合V后，PLCC都有較大幅度的增大，RMSE減小，說明結(jié)合V后對增強(qiáng)圖像的質(zhì)量評價(jià)更加精確；SROCC有較大幅度的增大，說明結(jié)合V后單調(diào)性增加。以上結(jié)果表明，在評價(jià)增強(qiáng)圖像質(zhì)量時(shí)，V能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行修飾；同時(shí)，進(jìn)一步說明，與原始圖像相比，增強(qiáng)圖像在色度上有所增強(qiáng)。

3　小結(jié)

傳統(tǒng)的圖像質(zhì)量評價(jià)算法不能夠準(zhǔn)確評價(jià)增強(qiáng)圖像的質(zhì)量，原因在于在增強(qiáng)圖像質(zhì)量評價(jià)中，增強(qiáng)圖像和原始圖像相比有更好的圖像質(zhì)量。增強(qiáng)圖像與原始圖像在色度上存在差異。在此基礎(chǔ)上，本文將傳統(tǒng)的圖像質(zhì)量評價(jià)算法與色度V結(jié)合，然后在增強(qiáng)圖像庫進(jìn)行測試，實(shí)驗(yàn)結(jié)果證明色度能夠?qū)鹘y(tǒng)的圖像質(zhì)量評價(jià)算法進(jìn)行很好的修飾，這也進(jìn)一步證明了色度對于增強(qiáng)圖像質(zhì)量具有較大影響。

[1]VU C T， PHAN T D， BANGA P S， et al. On the quality assessment of enhanced images： a database， analysis， and strategies for augmenting existing methods[C]// Image Analysis and Interpretation. [S.l.]：IEEE， 2012：181-184.

[2]魯業(yè)頻， 陳兆龍， 李素平. 圖像質(zhì)量評價(jià)的研究現(xiàn)狀與發(fā)展[J]. 電視技術(shù)， 2014， 38(19)：23-27.

[3]Wang Z，Bovik A C，Sheikh H R， et al. Image quality assessment：from error visibility to structural similarity[J]. IEEE transaction on image process，2014，13 (4)：600-612.

[4]LIU A M， LIN W S，NARWARIA M. Image quality assessment based on gradient similarity[J]. IEEE transactions on image process，2012，24 (4)：1500-1512.

[5]CHANDLER D M，HEMAMI S S. VSNR： A wavelet-based visual signal-to-noise ratio for natural images[J]. IEEE transaction on image process，2007，16 (9)：2284-2298.

[6]高攀.一種基于顏色特征的圖像質(zhì)量評價(jià)算法[J].電視技術(shù)，2012，36(16)：98-100.

[7]VU C，PHAN T，CHANDLER D. Can current image quality assessment algorithms predict visual quality of enhanced images [EB/OL].[2015-11-09]. http：//vision.okstate.edu/driq/HVEI VPC mini final.pdf.

[8]LI L D，ZHOU Y，WU J J，et al. GridSAR：grid strength and regularity for robust evaluation of blocking artifacts in JPEG images[J]. Journal of visual communication & image representation， 2015， 30：153-163.

張劍英(1963— )，女，碩士生導(dǎo)師，主要研究方向?yàn)樾畔⑻幚?、電磁場理論及?yīng)用；

汪一(1992— )，碩士生，主研圖像信息處理及質(zhì)量評價(jià)；

張躍輝(1990— )，碩士生，主研無線傳感網(wǎng)絡(luò)及人員定位。

責(zé)任編輯：閆雯雯

Chroma’s revision capacity for traditional algorithms in evaluating enhanced image

ZHANG Jianying，WANG Yi，ZHANG Yuehui

(ChinaUniversityofMiningandTechnology，SchoolofInformationandElectricalEngineering，JiangsuXuzhou221008，China)

Image enhancement is usually achieved by properly strengthening several properties of an image， typically sharpness， luminance， colorfulness and contrast. Image enhancement is widely used in many fields like PhotoShop and ACDSee. Meanwhile， many image enhancement algorithms have sprung up so that enhanced image quality assessment is significant. However， traditional image quality evaluation algorithms can not assess the enhanced image quality accurately. Based on fact that an enhanced image is different in chroma compared with original image，the chroma’s revise capacity for traditional image quality assessment algorithms when evaluating the enhanced images is researched. Experiments in the enhanced image database demonstrate that chroma can improve the performance of the image quality evaluation methods when they are used to assess the enhanced image quality .

enhanced image；image quality assessment algorithms；chroma

TN911.73

A

10.16280/j.videoe.2016.09.020

國家“863計(jì)劃”項(xiàng)目(資源環(huán)境技術(shù)領(lǐng)域薄煤層開采關(guān)鍵技術(shù)與裝備主題項(xiàng)目)(2012AA062103)

2015-11-09

文獻(xiàn)引用格式：張劍英，汪一，張躍輝. 色度在評價(jià)增強(qiáng)圖像時(shí)對傳統(tǒng)算法的修正效果[J].電視技術(shù)，2016，40(9)：100-102.

ZHANG J Y，WANG Y，ZHANG Y H. Chroma’s revision capacity for traditional algorithms in evaluating enhanced image [J]. Video engineering，2016，40(9)：100-102.