許俐，姜秀華

(中國傳媒大學(xué)信息與通信工程學(xué)院，北京，100024)

1 引言

視覺信息能夠呈現(xiàn)給人們生動和直觀的形象，具有強(qiáng)大的吸引力，受到人們的廣泛關(guān)注。人們對視頻圖像的質(zhì)量要求越來越高，希望看到具有更細(xì)膩的圖像細(xì)節(jié)、更強(qiáng)的彩色感染力的高質(zhì)量視頻圖像。然而，高分辨率視頻圖像產(chǎn)生的龐大數(shù)據(jù)量給電視節(jié)目制作、視頻處理、壓縮編碼、視頻傳輸和接收等各個技術(shù)環(huán)節(jié)都帶來了巨大壓力，而這些處理不可避免地會給視頻圖像質(zhì)量引入不同程度的損傷[1][2]。監(jiān)測和評價(jià)視頻圖像的質(zhì)量成為目前視頻圖像技術(shù)領(lǐng)域廣泛關(guān)注的問題。

本文基于FSIMc[3]考慮飽和度感知特性，對統(tǒng)計(jì)顏色敏感點(diǎn)頻率分布的計(jì)算驗(yàn)證模型的飽和度結(jié)果進(jìn)行非線性回歸分析，使用當(dāng)前圖片飽和度下的擬合函數(shù)值對彩色圖像特征相似性指數(shù)質(zhì)量評價(jià)算法FSIMc加權(quán)，在TID2013圖像數(shù)據(jù)庫[4]和LIVE圖像數(shù)據(jù)庫[5]上實(shí)現(xiàn)客觀算法模型并檢測性能。

2 考慮飽和度感知特性的FSIMc改進(jìn)模型

彩色圖像特征相似性指數(shù)質(zhì)量評價(jià)算法FSIMc基于圖像內(nèi)容結(jié)構(gòu)和相位相似性的質(zhì)量評價(jià)算法(A Feature SIMilarity Index for Image Quality Assessment，F(xiàn)SIM)由L. Zhang等人提出[3]，通過分析人類視覺系統(tǒng)(Human Visual System，HVS)[6]的底層特征評價(jià)圖像質(zhì)量，算法流程如圖1所示。

圖1 基于圖像內(nèi)容結(jié)構(gòu)和相位相似性的質(zhì)量評價(jià)算法

其中，相位一致性(phase congruency，PC)作為算法的主要特征，對局部結(jié)構(gòu)重要性進(jìn)行無量綱測量?？紤]到對比度信息影響人類視覺系統(tǒng)HVS對圖像質(zhì)量的感知，引入圖像梯度幅度(gradient magnitude，GM)作為FSIM中的次要特征。相位一致性PC和圖像梯度幅度GM在表征圖像質(zhì)量方面發(fā)揮互補(bǔ)作用。在獲得局部相似度圖之后，使用PC作為加權(quán)函數(shù)計(jì)算客觀質(zhì)量分?jǐn)?shù)。

在彩色圖像中，對亮度分量Y進(jìn)行內(nèi)容結(jié)構(gòu)和相位相似性FSIM的計(jì)算，衡量色度分量I和Q的相似性并將色度和亮度信息合并，得出彩色圖像特征相似性指數(shù)質(zhì)量評價(jià)算法值FSIMc：

(1)

其中相位信息

(2)

梯度信息

(3)

T1、T2用于增加SPC和SG的穩(wěn)定性，分別取決于PC和GM值的動態(tài)范圍。

(4)

(5)

T3、T4用于增加S1和SQ的穩(wěn)定性，分別取決于I和Q值的動態(tài)范圍。

2.1 色差公式

色差是兩個顏色在顏色度量上的差別或者距離。色差公式旨在用由兩個顏色的三色系數(shù)計(jì)算得出的數(shù)值表示人眼對這兩個顏色的感知差異，幫助我們量化顏色差別并通過色差值來進(jìn)行基于色差的分析和研究。

1976年之前，色差公式主要基于孟塞爾數(shù)據(jù)和麥克亞當(dāng)橢圓，效果都不盡如人意。國際照明委員會CIE在1976年推薦了CIE LAB色差公式：

(6)

英國染色家協(xié)會(the Society of Dyers and Colourist，SDC)的顏色測量委員會(the Society’s Color Measurement Committee，CMC)在1984年推薦了CMC(l：c)色差公式[7]：

(7)

其中，

SH=SC(F×T+1-F)

CMC(l：c)色差公式同樣基于CIE LAB顏色空間，式中Ls*、Cab，s*、hab，s*均為標(biāo)準(zhǔn)色的色度參數(shù)值，引入明度權(quán)重因子l與彩度權(quán)重因子c的比率，對差異值進(jìn)行加權(quán)，進(jìn)而改變ΔL*、ΔCab*、ΔHab*的相對容忍度，克服了以往CIE LAB色差公式在深色及中性色區(qū)域的色差值與人眼視覺感知結(jié)果偏差較大的缺陷。CMC(l：c)色差公式主要用于工業(yè)顏色行業(yè)，于1995年被納入紡織品應(yīng)用的ISO標(biāo)準(zhǔn)。

1995年，國際照明委員會CIE的色差評估技術(shù)委員會TC1-29發(fā)布了CIE 1994(ΔL*、ΔCab*、ΔHab*)色差公式[8]，縮寫為CIE 94或色差符號：

(8)

SL=1

SC=1+0.045Cab，X*

SH=1+0.015Cab，X*

CIE 94色差公式在CMC(l：c)色差公式的基礎(chǔ)上考慮了照度、觀察模式、樣品尺寸、樣品色差幅度、觀察者視覺、樣品結(jié)構(gòu)等多方面因素，引入色差視覺量化值的概念，效果進(jìn)一步提升。

由于CIE 94色差公式并沒有充分解決感知一致性問題，國際照明委員會CIE成立色差評價(jià)的色相和明度相關(guān)修正技術(shù)委員會(Hue and Lightness Dependent Correction to Industrial Colour Difference Evaluation，TC1-47)并進(jìn)一步改進(jìn)公式定義，在2001年推薦了色差公式CIE 2000，簡稱CIEDE2000[9]：

(9)

經(jīng)過技術(shù)委員會(TC1-47)對視覺感知評價(jià)數(shù)據(jù)的測試與分析，在CIE 94色差公式基礎(chǔ)上增加了以下幾項(xiàng)修正：引入色相旋轉(zhuǎn)項(xiàng)(RT)，用于解決藍(lán)色區(qū)域(色相角275°附近)的感知一致性問題；重新標(biāo)定CIE LAB顏色空間近中性區(qū)域的a*軸(a*軸調(diào)整因子G)，以進(jìn)行中性色補(bǔ)償；進(jìn)一步改進(jìn)亮度補(bǔ)償(SL)、色度補(bǔ)償(SC)、色相補(bǔ)償(SH)，以體現(xiàn)色相容限隨顏色的色相變化而變化的規(guī)律。

CIEDE 2000色差公式的具體計(jì)算過程如下：

在CIE LAB顏色空間中計(jì)算心理彩度：

補(bǔ)償中性色，修正CIE LAB顏色空間的顏色參數(shù)：

L′=L

a′=a(1+G)

b′=b

其中

計(jì)算補(bǔ)償中性色后的心理彩度和心理色相角：

h′=atan2(b′，a′)mod360°

計(jì)算明度差、彩度差和色相差：

△L′=L2′-L1′

△C′=C2′-C1′

其中

計(jì)算亮度補(bǔ)償(SL)、色度補(bǔ)償(SC)、色相補(bǔ)償(SH)，校正空間的均勻性：

其中

計(jì)算色調(diào)旋轉(zhuǎn)項(xiàng)：

RT=-sin(2△θ)RC

其中，由色調(diào)決定的旋轉(zhuǎn)角

由彩度決定的旋轉(zhuǎn)幅度

最后，使用公式(6-5)計(jì)算CIEDE 2000色差值，其中KL、KC和KH通常取1。

CIEDE 2000色差公式在CMC(l：c)和CIE 94公式的基礎(chǔ)上考慮多方面因素做了很大改進(jìn)，提高了結(jié)果精度，是目前視覺評判一致性表現(xiàn)最好的色差公式。

2.2 算法模型整體流程

參考特征相似性指數(shù)質(zhì)量評價(jià)算法提取相位和梯度幅度的思路，對參考圖像和受損圖像進(jìn)行圖像內(nèi)容結(jié)構(gòu)和相位相似性的度量，基于人類視覺系統(tǒng)HVS的低通特性消除視覺冗余。根據(jù)相位一致性PC提取信息特征，同時(shí)，考慮到PC不受對比度影響，而圖像局部對比度作為人類視覺系統(tǒng)HVS中重要因素影響圖像質(zhì)量的感知，提取圖像梯度幅度GM與相位信息PC進(jìn)行互補(bǔ)，在FSIM基礎(chǔ)上增加對色度信息進(jìn)行相似度度量。根據(jù)CIEDE 2000公式計(jì)算受損圖像參考圖像對應(yīng)像素之間的色差值，對顏色敏感點(diǎn)頻率分布的計(jì)算驗(yàn)證模型中飽和度方面的實(shí)驗(yàn)結(jié)果進(jìn)行非線性回歸分析，使用當(dāng)前圖片飽和度下的擬合函數(shù)值對FSIMc加權(quán)。根據(jù)飽和度視覺感知特性，圖像飽和度越大，損傷越容易被察覺，相應(yīng)的權(quán)重越小。具體流程如圖2所示。

根據(jù)公式(10)計(jì)算客觀質(zhì)量評價(jià)分?jǐn)?shù)FSS(A Feature Similarity index combined with Saturation perception)：

(10)

3 算法模型性能檢測

3.1 算法模型實(shí)驗(yàn)結(jié)果

分別在TID2013圖像數(shù)據(jù)庫和LIVE圖像數(shù)據(jù)庫下實(shí)現(xiàn)考慮飽和度感知特性的FSIMc改進(jìn)算法模型，繪制客觀分?jǐn)?shù)與主觀評分[10]的散點(diǎn)圖。圖3顯示出主觀評分MOS與考慮飽和度感知特性的FSIMc改進(jìn)模型之間的分布關(guān)系。

3.2 相關(guān)性檢測

衡量客觀質(zhì)量評價(jià)算法優(yōu)劣的最重要的指標(biāo)就是在具有不同失真的大數(shù)據(jù)集上算法結(jié)果與主觀評價(jià)分?jǐn)?shù)是否具有良好的一致性[11]，客觀評價(jià)算法結(jié)果與主觀評價(jià)結(jié)果相關(guān)度越高，說明該質(zhì)量評價(jià)算法的性能越好。目前常用的衡量相關(guān)性的評價(jià)參數(shù)主要有斯皮爾曼等級相關(guān)系數(shù)SROCC、肯德爾秩相關(guān)系數(shù)KROCC、皮爾森線性相關(guān)系數(shù)PLCC和均方根誤差rMSE。

圖 2 考慮飽和度感知特性的FSIMc改進(jìn)算法模型

圖3 TID2013數(shù)據(jù)庫和LIVE數(shù)據(jù)庫下FSS與主觀得分的一致性

TID2013LIVESROCCKROCCPLCCrMSESROCCKROCCPLCCrMSEPSNR0.69350.4700-0.0109192350.87560.68650.858539.9412SSIM0.63700.46360.65243.81100.94790.79630.829055.1023FSIMc0.85100.66650.83223.72340.95990.83660.728535.5693本文模型0.85190.66780.87750.59450.95590.81880.94987.2342

綜合評估客觀質(zhì)量評價(jià)算法的性能，實(shí)驗(yàn)結(jié)果如表1所示。表中質(zhì)量評價(jià)算法分別為廣泛應(yīng)用的峰值信噪比PSNR、結(jié)構(gòu)相似度的開創(chuàng)算法SSIM、目前綜合性能表現(xiàn)出色的彩色圖像特征相似性指數(shù)質(zhì)量評價(jià)算法FSIMc和本文提出的考慮飽和度感知特性的FSIMc改進(jìn)模型。

實(shí)驗(yàn)結(jié)果表明，在LIVE數(shù)據(jù)庫中，本文模型與FSIMc的斯皮爾曼等級相關(guān)系數(shù)和肯德爾秩相關(guān)系數(shù)均達(dá)到較高水平且差別不大，在皮爾森線性相關(guān)和均方根誤差方面上考慮飽和度感知特性的改進(jìn)算法較FSIMc有較大提升；在TID2013數(shù)據(jù)庫中，考慮飽和度感知特性的改進(jìn)算法的四個相關(guān)系數(shù)均有所提升。說明結(jié)合本文模型結(jié)合顏色損傷感知特性后，改進(jìn)算法與主觀感知的相關(guān)性得到提升。

4 結(jié)論

本文從顏色信息損傷角度出發(fā)，提出考慮飽和度感知特性的FSIMc的改進(jìn)客觀質(zhì)量評價(jià)算法模型。對統(tǒng)計(jì)顏色敏感點(diǎn)頻率分布的計(jì)算驗(yàn)證模型的飽和度結(jié)果進(jìn)行非線性回歸分析，使用當(dāng)前圖片飽和度下的擬合函數(shù)值對彩色圖像特征相似性指數(shù)質(zhì)量評價(jià)算法FSIMc加權(quán)。在多個數(shù)據(jù)庫中檢測客觀模型的性能，均可以實(shí)現(xiàn)和人眼主觀感知較好的一致性。