色度在评价增强图像时对传统算法的修正效果

张剑英，汪　一，张跃辉

(中国矿业大学 信息与电气工程学院，江苏　徐州　221008)



色度在评价增强图像时对传统算法的修正效果

张剑英，汪一，张跃辉

(中国矿业大学 信息与电气工程学院，江苏徐州221008)

增强图像是指与原始图像相比在清晰度、亮度、色彩、对比度等方面有一定增强的图像。图像增强已被广泛应用，例如很多图像处理软件PS，ACDSee等都能够对图像进行增强。与此同时，也出现了很多图像增强算法。所以，对增强图像的质量评价具有重要意义。传统的图像质量评价算法不能够对增强图像进行精确评价。增强图像与原始图像相比，在色度上存在一定差异。在此基础上，研究了色度在评价增强图像质量时对传统的图像质量评价算法的修正效果。在增强图像数据库中进行的实验证明在评价增强图像质量时，色度能够对传统的图像质量评价算法进行较好的修正。

增强图像；图像质量评价算法；色度

增强图像与原始图像相比，在清晰度、亮度、色彩、对比度等方面有一定增强[1]，所以增强图像与原始图像相比具有更好的图像质量。

传统的全参考图像质量评价算法有很多[2]，例如：峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)方法、结构相似性(Structural SIMilarity，SSIM)[3]方法、梯度相似度方法(Gradient SIMilarity，GSM)[4]和视觉信噪比方法(Visual Signal-to-Noise Ratio， VSNR)[5]。SSIM方法首先提取原始图像和失真图像的亮度、对比度和相关度，然后分别求出三种特征的相似度，最后将三个相似度进行整合作为最终的图像质量分数。GSM方法结合了人类视觉特性并且用梯度相似度来衡量对比度和结构特征。另外，将结合了亮度相似度后的结果作为最终图像的客观质量分数。VSNR方法首先利用小波模型计算对比度阈值；如果失真小于阈值，那么失真图像被认为具有完美的视觉保真度，则不进行进一步处理。反之，如果失真大于阈值，则分别求出它们对比度和优先级的欧氏距离，最后将两种距离进行整合得到最后的图像质量分数。

传统的图像质量评价算法中的原始图像是无失真图像，而增强图像与原始图像相比具有更好的图像质量，所以，它们不能够对增强图像进行精确评价。颜色特征影响人类对图像质量的评价[6]，而增强图像与原始图像在色度上存在差异，本文将色度和传统的图像质量评价算法结合来对增强图像进行质量评价以证明在增强图像的质量评价中，色度能够对传统的图像质量评价算法进行修饰。本文首先将RGB彩色原始图像和增强图像转换到YUV色彩空间，然后分别提取出它们的色度图，并求出色度图的相似度图，进一步求出相似度图像的均值。同时，计算出传统的图像质量评价算法的评价结果。最后，将二者的线性相乘结果作为增强图像的客观质量分数。在增强图像数据库中的实验结果表明，结合V后的图像质量评价算法性能得到提高，能够与主观评价结果保持很高的一致性，即在增强图像质量评价中，V能够对传统的图像质量评价算法进行修饰。

1　结合色度的传统图像质量评价算法

本文首先将彩色图像转换到YUV颜色空间。在YUV色彩空间中，Y表示明亮度，U/V表示色度。其中的V分量能够反映RGB输入信号红色部分与RGB信号亮度值之间的差异。原始图像和增强图像在色度上存在差异，图1和图2给出了两幅原始图像和它们相对应的增强图像在色度图。图1、图2显示，增强图像和原始图像相比，在色度上有所增强。

图1　“church”原始图像和增强图像的色度图像

假设原始图像和增强图像的色度图像分别为V，Ve。

然后计算V和Ve的相似度图像

1≤i≤M,1≤j≤N

(1)

其中，c是接近于0的常数，目的是防止分母为零。

然后，将V的相似度图像进行平均得到增强图像和原始图像的色度的相似度。

(2)

假设传统的图像质量评价算法的测量结果为S，则将其与色度的相似度进行线性相乘。

Q=1-Ve·S

(3)

Q值越大，说明增强图像质量越好；反之，图像质量越差。

图2　“boat”原始图像和增强图像的色度图像

2　实验结果与分析

Vu[7]等建立了增强图像数据库。数据库中共有104幅图像，其中包含26幅原始图像和每幅原始图像对应的3幅增强图像(26×3)。增强图像是指通过增强原始图像的清晰度、亮度、色彩、对比度等影响图像质量的因素，得到的比原始图像有更好质量的图像。

为了直观地看到本文算法的优越性能，利用如式(4)及Logistic非线性回归方程对主客观评价结果进行拟合

(4)

其中，x表示增强图像客观质量分数，拟合时选取适当的t1，t2，t3，t4的值使得主观质量分数的误差最小。图3给出了4种传统的图像质量评价算法以及结合色度V后在增强图像数据库上的拟合图。

图3　传统图像质量评价算法结合V前后的拟合图

图3显示，传统的图像质量评价算法结合色度V后获得的增强图像质量分数能够较好地聚集在拟合曲线附近，说明在评价增强图像质量时，色度能够对传统的图像质量评价算法进行修饰。

表1给出了4种传统的全参考质量评价算法和结合V后在增强图像库中的测试结果。用相关系数(Pearson Linear Correlation Coefficient， PLCC) 和均方根误差(Root Mean Square Error， RMSE) 衡量主客观质量分数的一致性，PLCC值越大，RMSE值越小说明算法预测的准确性越高；同时，用SROCC( Spearman Rank Order Correlation Coefficient) 衡量算法的单调性，SROCC值越大说明算法预测的单调性越好[8]。

表1传统的图像质量评价算法结合V前后的测试结果

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显示，4种传统的图像质量评价算法结合V后，PLCC都有较大幅度的增大，RMSE减小，说明结合V后对增强图像的质量评价更加精确；SROCC有较大幅度的增大，说明结合V后单调性增加。以上结果表明，在评价增强图像质量时，V能够对传统的图像质量评价算法进行修饰；同时，进一步说明，与原始图像相比，增强图像在色度上有所增强。

3　小结

传统的图像质量评价算法不能够准确评价增强图像的质量，原因在于在增强图像质量评价中，增强图像和原始图像相比有更好的图像质量。增强图像与原始图像在色度上存在差异。在此基础上，本文将传统的图像质量评价算法与色度V结合，然后在增强图像库进行测试，实验结果证明色度能够对传统的图像质量评价算法进行很好的修饰，这也进一步证明了色度对于增强图像质量具有较大影响。

[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]鲁业频， 陈兆龙， 李素平. 图像质量评价的研究现状与发展[J]. 电视技术， 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.一种基于颜色特征的图像质量评价算法[J].电视技术，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.

张剑英(1963— )，女，硕士生导师，主要研究方向为信息处理、电磁场理论及应用；

汪一(1992— )，硕士生，主研图像信息处理及质量评价；

张跃辉(1990— )，硕士生，主研无线传感网络及人员定位。

责任编辑：闫雯雯

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

国家“863计划”项目(资源环境技术领域薄煤层开采关键技术与装备主题项目)(2012AA062103)

2015-11-09

文献引用格式：张剑英，汪一，张跃辉. 色度在评价增强图像时对传统算法的修正效果[J].电视技术，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.