基于均匀色差空间向量分解模型的彩色图像质量评价方法

杨　杨,明　军, 阎　妍

(安徽大学 电子信息工程学院,安徽 合肥　230039)

基于均匀色差空间向量分解模型的彩色图像质量评价方法

杨杨,明军, 阎妍

(安徽大学 电子信息工程学院,安徽 合肥230039)

摘要:针对三要素(亮度、色调和饱和度)空间方法缺乏视觉均匀色差思想的支持,而均匀色差空间方法又需要其他有效评价模型的补充,该文立足于图像的两个基本属性,即光特性(亮度、色调和饱和度)和结构特点,结合反映彩色空间特性的均匀色差空间模型以及空间向量分解模型,提出了均匀色差空间向量分解模型.实验结果表明基于均匀色差空间向量分解模型较传统评价方法和单项模型更能够全面地评价彩色图像质量.

关键词:彩色图像;均匀色差;空间向量分解;彩色图像质量评价

图像质量评价在图像领域中有至关重要的作用.随着基于视觉特性的数字视频技术的快速发展,传统客观评价方法无法反映这些数字视频的视觉感受效果,也无法满足系统设计、优化和度量的要求,因此研究人员开始探索结合人眼视觉特性的客观评价方法,旨在研究符合人眼主观视觉感受的客观图像质量评价标准,作为评价和设计图像的依据[1-4].

目前,研究人员较为认可的客观图像质量评价方法有:基于视觉感知[5]和结构化[6]的图像质量评价方法.实验表明它们在一定范围具有有效性,但也具有一定的局限性.作者深入分析发现视觉感知评价方法缺乏对空间相似结构的考虑,而结构化评价方法缺乏对HVS (human visual system)模型的考虑.为此,作者在文献[7]中已将两种方法融会贯通,提出了一种空间向量分解模型.该模型通过将误差图像投影到标准图像上,将误差图像分解为均值分量、交变相似分量和交变垂直分量.实验结果表明直流分量和相似分量对人眼质量评价影响很小,而垂直分量是决定视觉的主要因素,因此应该利用垂直分量来评价图像质量.

随着彩色图像应用的日益广泛,彩色图像的质量评价问题也日益突出[8-10].为了完整地描述彩色图像必须采用三个要素:亮度、色调和饱和度.因此,彩色三要素与视觉感知的均匀性是彩色图像质量评价的关键.均匀色差的思想来源于色度学中XYZ计色制的JND(just noticeable difference)思想,希望通过主观视觉实验,建立数学变换方法,使得亮度、色调和饱和度变化与视觉感受呈线性关系.其中,最新的均匀色差标准为CIEDE2000色差公式[11-13].作者利用最新的CIEDE2000色差公式,并通过主观实验对均匀色差值ΔE和视觉感受的关系进行分段线性化,在文献[14]中介绍了一种均匀色差空间模型,此模型主要利用彩色图像的特性,而空间向量分解模型则考虑图像的空间结构特性,从概念来说这两者具备互补关系,将两者正确结合应该有助于彩色图像质量的评价.为此作者将空间向量分解模型进一步扩展到均匀色差空间,提出均匀色差空间向量分解模型.

1空间向量分解模型

由于视觉感知评价方法(HVS基本模型)缺乏对空间相似结构的考虑,而结构化评价方法缺乏对HVS模型的考虑,文献[7]从图像空间相似性角度着手,将误差图像投影到标准图像上,建立了一种空间向量分解模型.该模型将误差图像分解为均值分量、交变相似分量和交变垂直分量.

2均匀色差空间模型

黑白图像一般用亮度参数描述其属性,然而为了完整地描述彩色图像必须采用3个要素:亮度、色调和饱和度.因此,彩色三要素与视觉感受的均匀性是彩色图像质量评价的关键.最新的均匀色差标准为CIEDE2000色差公式,它实际上是对Weber-Fechner定律在亮度、色调和饱和度方面进行补充,因而它具有计算简单、与主观视觉感受相吻合并且能够分析彩色图像的特点.CIEDE2000色差公式给出了总色差ΔE与亮度差ΔL′、色调差ΔH′和饱和度差ΔC′的关系,表达式如下

(1)

在印刷等行业,由美国国家标准局采纳并推行了一种NBS色差单位的视觉感受标准,此标准给出了ΔE与主观视觉感受间的关系.为此,作者在CIEDE2000色差空间的基础上,结合NBS色差单位,采用一种分段线性化的方法,通过对视觉感受对应区间位置参数的选择,确定不同均匀色差值ΔE与主观视觉感受的对应关系.主观等级Q定义如下

(2)

表1为ΔE与主观感觉分级表[14].

表1　ΔE与主观感觉分级表[14]

3均匀色差空间向量分解模型

作者将空间向量分解模型与均匀色差空间模型相结合,考察误差图像交变垂直分量的亮度、色调和饱和度,提出均匀色差空间向量分解模型的图像质量评价方法,其实质是对传统图像质量评价方法在结构和彩色方面进行补充.图2为均匀色差空间向量分解模型流程.

均匀色差空间向量分解模型的流程如下:

(1) 给定标准图像s0=(R0,G0,B0)和损伤图像s1=(R1,G1,B1),可得误差图像为

se=s1-s0=(Re,Ge,Be).

(3)

(2) 计算标准图像均值及其均值的相似分量.标准图像均值为

考虑到标准图像三基色取值范围为[0,255],为了确保提取的均值分量为灰度图像,从而需要令μr=μg=μb.而在μr,μg,μb中,提取三者的最小值作为均值分量,相当于提取出共有部分,故其均值相似分量为

μ0=min(μ0r,μ0g,μ0b).

(4)

(3) 计算误差图像均值及其均值相似分量.误差图像均值为

注意到误差图像三基色取值范围为[-255,255],基于(4)式相同原理可得其均值相似分量为

(5)

(4) 由标准图像和误差图像的均值相似分量,可得标准图像和误差图像的交变分量为

(6)

(5) 依据空间向量投影原理,可得彩色误差图像三基色交变相似分量为

(6) 经计算,可得三基色交变相似分量系数为

为了保证投影的颜色相似,交变相似分量系数定义为

(7)

(7) 经计算,可得误差图像三基色的交变相似分量和交变垂直分量为

(8)

(9)

(10)

4实验

为了考察传统客观评价模型、空间向量分解模型、均匀色差空间模型和均匀色差空间向量分解模型各自的适用范围,以及与主观视觉感受的吻合度.实验采用了国际知名的图像和视频工程实验室(LIVE)提供的图像库[15].利用相关系数(CC)来考察不同客观图像质量评价模型与主观评分(DMOS)的吻合度, CC值越大说明客观评价模型性能越好.表2列出了5种客观评价模型和主观评价分数的相关系数.由表2可知,均匀色差空间向量分解模型的CC值都高于其他几种评价模型,说明该模型更加符合人眼视觉特性,这是因为均匀色差空间向量分解模型同时考虑了图像的结构和彩色特性.

表2　几种客观评价模型和主观评价分数的相关系数

5结束语

为了设计适用于彩色图像的评价模型,作者将空间向量分解模型,进一步扩展到与人眼视觉感受较为吻合的均匀色差空间中,提出了均匀色差空间向量分解模型.对LIVE图像库进行了大量实验,实验结果表明作者提出的均匀色差空间向量分解模型能更为全面地考察彩色图像质量.

参考文献：

[1]Soundararajan R, Bovik A C. Survey of information theory in visual quality assessment[J]. Signal, Image and Video Processing, 2013, 7: 391-401.

[2]Bovik A C. What you see is what you learn[J]. IEEE Signal Processing Magazine, 2010, 27(5): 117-123.

[3]Shao F, Lin W S, Gu S B, et al. Perceptual full-reference quality assessment of stereoscopic images by considering binocular visual characteristics[J]. IEEE Transactions on Image Processing, 2013, 22(5): 1940-1953.

[4]Zhang L, Zhang L, Mou X Q , et al. FSIM: a feature similarity index for image quality assessment[J]. IEEE Trans Image Processing, 2011, 20(8): 2378-2386.

[5]Nadenau M J, Winkler S, Alleysson D, et al. Human vision models for perceptually optimized image processing[J]. IEEE Trans Image Process, 2003, 12: 58-70.

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

[7]杨杨, 明军,俞能海. 基于彩色空间视觉相似分解的图像质量评价方法[J]. 中国科学技术大学学报, 2013, 43(7): 100-105.

[8]Xu X Y, Chen Q, Zhu Q H. The research of digital color image quality metrics[J]. Lecture Notes in Electrical Engineering, 2013, 178(3): 403-407.

[9]Kolaman A, Yadid O. Quaternion structural similarity: a new quality index for color images[J]. IEEE Transaction on Image processing, 2012, 21(4): 1526-1536.

[10]Niveditta T, Swapna D. A new method for color image quality assessment[J]. International Journal of Computer Applications, 2011, 15(2): 10-17.

[11]Luo M R, Cui G, Rigg B.The development of the CIE2000 colour-difference formula:CIEDE2000[J]. Color Res, 2001, 26: 340-350.

[12]Kuehni R G. CIEDE2000, milestone or final answer[J]. Color Res, 2002, 27: 126-127.

[13]Luo M R, Cui G, Rigg B. Further comments on CIEDE2000[J]. Color Res, 2002, 27: 127-128.

[14]Yang Y, Jun M, Yu N H. Color Image quality assessment based on CIEDE2000[EB/OL].[2015-04-09].Advances in Multimedia.http://www.hindawi.com/journals/am/2012/273723/.

[15]Sheikh H R, Wang Z, Cormack L,et al.Live image quality assessment database release 2[EB/OL]. [2015-04-09].http://live.ece.utexas.edu/research/quality.

(责任编辑郑小虎)

Color image quality assessment based on uniform color

difference space vector decomposition model

YANG Yang, MING Jun, YAN Yan

(School of Electronics and Information Engineering, Anhui University, Hefei 230039, China)

Abstract:In general, the image quality assessment (IQA) methods which are based on the three elements space lack the support of uniform color difference space. Similarly, the IQA methods which are based on the uniform color difference space need complement of other effective evaluation model. Based on the two attributes of image, namely the optical characteristics (brightness, hue and saturation) and structure characteristic, uniform color difference space vector decomposition model was proposed by combining the space vector decomposition model and uniform color difference model. The experimental results showed that uniform color difference space vector decomposition model could be more consistent with subjective visual perception.

Key words:color image; uniform color difference; space vector decomposition; color image quality assessment

中图分类号：TP391.4

文献标志码:A

文章编号:1000-2162(2015)05-0063-05

作者简介：杨杨(1980-),女,安徽合肥人,安徽大学讲师,博士.

基金项目:国家自然科学基金资助项目(11374289,60872162);安徽大学青年基金资助项目(KJQN1012);安徽大学博士启动基金资助项目(J01001319)

收稿日期：2015-01-13

doi:10.3969/j.issn.1000-2162.2015.05.011