《数字视频图像质量客观测量方法的改进与实现》由会员分享，可在线阅读，更多相关《数字视频图像质量客观测量方法的改进与实现（4页珍藏版）》请在金锄头文库上搜索。
1、数字视频图像质量客观测量措施的改善与实现发布时间:11月25日 点击次数:246 来源:电子设计信息网- 作者:黄文辉 陈仁雷 张家谋 摘要:本文在老式的图像客观测试峰值信噪比的基本上,对比了重建图像与原始图像,改善了测试模糊及方块效应等核心质量指标的算法,同步提出了预解决的方案. 实用中可与图像质量主观评价的MOS(mean opinion score)相应,并可用于测试与评价图像传播系统的质量. 核心词: 图像质量客观测试; 峰值信噪比; 模糊; 方块效应 引言图像质量评价分为主观评价和客观评价,主观评价是以人作为观测者,而图像最后是给人看的,因此人(特别是专业人员) 的评估是具有权威性的
2、. 但主观测试具有局限性,时间长,不利于平常的研究. 同步,人的视觉反映到主观感觉上有其心理因素,成果因人(甚至因时) 而异,很难形成统一的模型,因而需要寻找简朴易行且能得到公认的客观测试措施,并根据主观评估定出指标,对图像、视频的质量做出定量的客观评价. 即这些客观测试措施的指标应当与主观评价相应起来. 研究数字图像质量的老式措施是求出重建图像与原始图像的差别,将这些差别统一觉得是噪波,并以峰值信噪比( PSNR ) 的分贝数作为指标客观地表征数字图像质量. 但是PSNR只是一种综合的成果,它并不能反映是哪一种因素导致图像的降质,因而在实际中很有必要再分项进一步研究能表征图像降质因素的措施,
3、也就是为常用的公认的数字图像的多种失真寻找出相应的测试措施. 而这些措施至少有下列3 条原则是必需满足的: 与主观质量评价相一致; 能突出表征一种失真导致的后果而不受或尽量少受其她失真因素的影响; 对失真限度的数量表征明显,并尽量有线性的有关性等. 本文提出以PSNR 为总的测试指标,以模糊系数、方块效应、运动补偿、帧速为分量的测试方案,并在文献 1 的基本上对PSNR、模糊及方块效应提出了改善方案. 1 PSNR 计算PSNR 公式中原始图像(输入图像) 的信号幅度多取255 ,觉得原始图像信号处在抱负的满幅度状态,图像中亮度(或色度) 最大处为峰值255 ,亮度(或色度) 最小处为谷值0.
4、 这些值通过解决后成了重建图像(输出图像) ,信号值产生了偏离,导致了图像失真. 这种计算措施商定俗成已成定式,但是仔细分析后,实际的图像很难达到如此抱负的状态. 即在一幅实际图像中,并不一定(或很难) 都存在最亮点或最暗点,此时若一概以输入图像的幅值为255 计算则显然是不对的的. 在这种状况下应以输入图像实际存在的亮度(或色度) 最大值和最小值进行计算才是对的的. 故本文建议采用如下公式计算PSNR(下列的计算以图像亮度为例) : 均方差为 其中, N 为输入图像或输出图像第k 帧的像素总数; yi ( i , j , k) 为输入图像第k 帧的第i 行、第j 列的像素亮度值; yo (
5、i , j , k) 为输出图像第k 帧的第i行、第j 列的像素亮度值; Yo ,max ( k) 、Yo ,min ( k) 分别为输出图像第k 帧中最大、最小像素亮度的值. 有些学者觉得, 如果输入图像的幅度差达不到255 ,只要先归一化到255 , 仍可以用输入图像信号幅度为255 的公式计算PSNR. 事实上,这不符合实际图像的传播幅度, 而在传播过程中却免不了有非线性的存在, 导致了计算误差. 因此, 直接与输入图像最大值与最小值之差相比, 更能反映实际的PSNR. 2 斜空间滤波求模糊系数 图像清晰度是视频图像最主线的指标,一幅图像与否清晰并被观看者承认是该图像系统成败的核心. 固
6、然,决定图像清晰度的主线是图像的像素含量,如何在有限的像素数的限制下获得更高的清晰度,是广大有关专业的科技工作者孜孜以求的. 图像清晰度的下降源于图像信号中高频成分的损失,一般体现为边沿模糊和细节削弱. 实用中,由于图像格式(像素数) 不同, 图像清晰度的客观测试只能是测量与原始图像(输入图像) 相比清晰度的下降限度. 在前人研究成果的基本上,文献 1 选择了一种求清晰度的方式, 即分别对原始图像和重建图像用微分型空间滤波器提取其高频成分, 再求两者的相对差值,定义为“模糊系数”. 通过实际应用,发现它存在2 个问题: 与图像清晰度下降的主观感觉有关性不好,且受图像内容影响太大,不同的图像得出
7、的值相差较远(见表1) ; 受图像方块效应的影响太大. 方块效应导致了附加的垂直与水平边沿,增长了图像的高频成分,影响了测试成果. 为此,改为用斜空间滤波求模糊系数,算法流程如图1 所示.图1 模糊系数计算流 考虑到图像传播系统对边沿和细节的传播一般是无方向性的,因此斜方向边沿和细节的传播系数可以代表垂直、水平方向的细节传播,而由于输出图像的水平、垂直细节与方块效应混在一起,不易代表模糊限度, 故选斜方向的微分型空间滤波器(见图2) ,只比较斜方向边沿和细节的传播,即可代表整个图像边沿和细节的传播系数,即模糊系数: 其中斜边沿能量特性为其中yf ( i , j , k) 为第k 帧、第i 行、
8、第j 列的亮度值通过斜方向微分型空间滤波器解决后得到的值. 图2 斜方向微分型空间 可见, Kblur为输出的边沿能量和输入边沿能量比值. 假定图像序列无其她失真,那么k 值的范畴一般在01 之间, k 值越接近于1 , 图像清晰度越高,成果体现越鲜明. 该方案实现措施简朴,只用一种滤波模板就可以计算模糊限度,并且成果简要扼要. 3 正空间滤波求方块效应 无论是H 系列还是M系列图像压缩编码原则均是以二维余弦变换即DCT 变换为核心算法,为此对图像分块(8 8 、16 16 等) 是必要的. 随着压缩比的增大,图像中的块效应会增长,导致在图像中浮现马赛克(Mosaic) . 块效应的浮现增长了
9、重建图像中的垂直和水平边沿, 如果单纯用微分型垂直和水平二维空间滤波器滤出垂直与水平方向的边沿, 则必与图像内容中真正存在的垂直与水平边沿混在一起,因而必需清除这部分,剩余的才是块效应导致的垂直与水平边沿. 即输出图像的水平、垂直边沿可视为2 部分: 输入图像中本来就有的水平垂直边沿; 方块效应产生的水平垂直边沿. 前面已经提到,设一般的传播系统对图像边沿的响应没有方向性,则可以先用微分型正空间滤波器(见图3) 求出输入图像的垂直与水平边沿和细节值, 乘此前面求出的边沿与细节传播系数Kblur ,得到重建图像无方块效应边沿在内的图像垂直与水平的边沿与细节值,再用微分型正空间滤波器求出重建图像垂
10、直与水平总的边沿与细节值, 两值相减即可得到属于方块效应的垂直与水平边沿值,取相对值表达如下.方块效应系数:其中为一帧图像经正空间滤波器得到的水平垂直方向的边沿能量和. 此方案Kblock系数的大小一般在01 之间,方块效应越明显,该系数就越接近于1 ,方块效应越小系数越接近于0. 图3 正方向微分型空间 4 图像的预校正 为了对实际的视频图像传播系统进行客观测量,必需用计算机采集输入图像(原始图像) 和输出图像(重建图像) ,然后再研究两者之间的差别并求出有关的客观测量指标. 但实际采集到的输出图像相对于输入图像已有诸多变化, 必需进行预校正. 图像对位 由于传播时延和采集显示误差等因素都会
11、导致输出与输入图像之间的错位, 必需按像素进行精确地对位,才干进一步计算两者的差值. 为此应当用估计两者均方差的措施使两者精确对位. 增益与直流偏置校正 实际的传播系统会使输出图像的增益和直流偏置发生变化,需用如下公式进行校正.设原始图像的亮度为Yin , 重建图像的亮度为Yout ,传播通道的亮度增益gy 可定义为 求出gy 和Iy 之后应对重建图像作如下解决: 其中Yout为通过增益与直流偏置修正后的重建图像序列. 5 实验成果 使用Visual C + + 编程实现了所提出的模糊、方块效应的算法. 选用suzie. cif 、child. cif 和rrn. cif 3 个不同特性的原始
12、序列作为实验对象,对这些原始序列采用H.264 合同按照不同的参数分别进行编解码生成不同图像质量的重建序列, 将重建图像和原始图像的质量进行比较得出模糊、方块效应的质量评价.实验环境设定如下: GOP (groop of pictures)为12 ; 测试的帧数为45 帧,最后的测试成果取前45 帧的平均值; 播放速度为30 帧/ s , 用于主观测试. 将本文的算法与老式的算法进行比较, 成果如表1 、表2 所示. 新措施中序列的前45 帧成果的均值、sobel 模版求模糊系数和方块效应系数的算法请参照文献 1 . 有关PSNR 的实验环境,本实验取1帧测试,其她测试环境与模糊、方块效应测试
13、环境类似,成果如表13 所示. 表2 方块效应测试成果的对比 表3 PSNR测试成果的对比 以上为suzie. cif 、child. cif 和rrn. cif 通过H. 264编解码得到的重建图像的质量评价,重建图像质量的主观评价分别为5 分、4 分和3 分,将本文提出的算法与文献 1 的算法以及对PSNR 的2 种措施测试成果进行了比较. 成果表白,斜滤波求模糊系数法更加符合主观测试成果,与主观质量测试成果基本呈线性相应,失真度一目了然,成果反映敏捷. 从表2 可以看出,正斜滤波求块效应法求出的成果与主观质量测试成果间的线性关系明显,更易于统一质量评价体系. 表3 阐明用式(1) 的成果与主观测试成果更能显性相应,虽然单帧图像序列不明显,但通过传播,多重失真后,效果会更明显.
