数字图像质量评价综述

张偌雅，李珍珍

（河南大学计算机与信息工程学院，开封 475000)

数字图像质量评价综述

张偌雅，李珍珍

（河南大学计算机与信息工程学院，开封 475000)

数字图像的质量评价是当今图像领域的热点问题，对质量评价的常用方法进行介绍，其中全参考评价方法最成熟，应用也最广泛，无参考评价方法有很好的研究前景。为了得到与人眼视觉系统HVS一致性更高的评价结果，对各种方法都在进行不断的完善与改进。概述质量评价方法的相关性能指标，最后就评价方法的进一步发展提出展望。

0 引言

图像质量指人们对图像视觉感受的主观评价，即目标图像相对于原图像在人眼视觉系统中产生误差的程度。在对数字图像进行压缩、传输、显示等操作时，由于处理过程、成像系统或传输介质等的影响，会出现不同类型和不同程度的失真现象，如传输过程中，视频产生的失真会导致图像的模糊；医学图像的失真使得医生无法准确判断进行诊断[1]。图像质量评价主要通过对图像进行特性分析研究，然后评估出图像质量的优劣即图像失真程度。在图像处理系统中，图像的质量评价对于评价算法的分析比较、系统的性能评估等方面都有着十分重要的作用。传统方法主要有主观评价和客观评价两种，近年来，随着图像处理领域的不断发展，对于图像质量评价的研究也受到越来越多的关注，评价的指标和方法得到了更好的发展和完善。

1 主观图像质量评价方法

主观评价方法是用来评价图像质量的最直观的方法，分为绝对评价和相对评价两种。绝对评价没有参考图像，根据已经规定好的评价准则或个人经验对图像做出评价。相对评价主要是在有标准图像时，对图像按质量的好坏进行比较，给出最终的评分值。国际电信联盟(ITU)根据人眼评判时环境和条件的不同提出了若干图像质量评价方法，主要有双刺激损伤分级法、双刺激连续质量分级法和单刺激连续质量分级法等[2]。双刺激损伤分级法是由评估者观看多组图像，每一组都先显示参考图像再显示失真图像，对“图像对”进行对比观察，然后根据主观评价的5级评分表，对应地选择待测图像所在等级[2]。双刺激连续质量分级法与双刺激损伤法的区别在于，观测者不知道哪个是参考图像哪个是失真图像，只需对两图像进行评分得到 MOS，然后计算主观差异评分值 DMOS，DMOS的值越小，表明失真程度越小，即图像质量越好。单刺激连续质量分级法由评估者在一段时间内连续地观察待测图像并评分，综合分值和评分时间等因素得到最终的结果。

主观评价方法虽然较为直观，符合人眼对图像的认知，但是想要通过这种方法得到理想的结果需要进行多次重复试验，投入的人力物力较大，耗时较长，而且不同观测个体差异较大，评价结果容易受到很多客观因素的影响。

2 客观图像质量评价方法

图像质量的客观评价方法模仿人眼视觉系统的原理建立数学模型对失真后的图像进行质量评估，通过具体的数学公式计算失真前后图像的相似度并量化为具体分值。以能够获取原始图像信息的多少为依据，客观方法分为三类，分别是全参考、半参考和无参考图像质量评价[3]。其中全参考方法是以一幅完整的图像作为参考，而半参考方法以理想图像的部分特征作为参考，但是在理想图像很难获取的情况下，以上两种方法是不适用的，因此无参考方法是基于图像统计特性对图像质量进行分析。

最早的全参考图像质量评价方法有峰值信噪比(PSNR)和均方误差(MSE)。MSE以衡量“平均误差”来评价数据的变化程度，应用到图像质量评价上就是计算得到两图像像素差的均方值，以此判断图像的失真程度。PSNR是一种衡量失真的常用指标，它是两图像之间的均方误差相对于信号最大值平方的对数值。两种方法计算公式如下所示：

其中R(m.n)和I(m,n)分别代表参考图像和失真图像在空间位置(m.n)的灰度值。对于8位的灰度图像，峰值信号L=255。

虽然这两种方法计算简单，效率高，但是并没有考虑到像素之间的相关性，没有很好地将人眼视觉系统引入到评价体系中来，所得评价结果不够理想。

部分参考方法利用能够获取的有限的部分参考图像信息作为参考，以此对失真图像的质量进行判断，它需要提取各自的图像特征，分别比较提取到的图像信息对待测图像的质量进行评估。这种方法主要有基于原始图像特征方法、基于数字水印方法和基于Wavelet域统计模型的方法等。虽然减小了数据传输量，但是在进行特征提取和比较时出现的偏差会对评价结果有很大影响。

无参考方法与其他两种方法最大的区别在于无法获取原始图像的任何信息时，只能根据图像的自身特征直接进行判断，有较强的灵活性，但图像的特征难以定义和提取，这是此类方法评价图像的难点。这种失真度量主要针对的是不同类型的失真图像，如：模糊效应、分块效应、噪声效应等引起的失真。无参考方法完全脱离了对原始图像的依赖，应用范围广，研究难度大。

3 常见的图像质量评价方法

3.1 基于结构相似度的方法

为了提高图像质量的主客观一致性，许多将HVS融入评价过程的方法相继被提出。HVS从图像中提取高度结构化的信息，对这些信息的度量可以应用到对图像质量的感知，而图像质量的好坏同时也会受到亮度信息和对比度信息的制约，在评价图像质量时要同时考虑这三个因素的影响。因此Wang等人提出了一种基于结构相似度SSIM(Structural Similarity)的图像质量评价算法，将失真信息建模为这三种信息的组合，用均值和标准差分别作为亮度和对比度的估计，协方差作为结构相似度的度量[4]。亮度信息l(x ,y)，对比度信息c(x ,y)和结构信息s(x ,y)分别计算如下：

其中，μx和 μy是反映了亮度信息的亮度图像的均值，σx和σy是反映了对比度信息的亮度图像的方差，σxσy是反映了结构信息相似度的两幅图像的相关系数，C1、C2和C3防止分母为零产生异常。综合这三个函数可以得到两幅图的结构相似性SSIM如下：

与MSE和PSNR相比，基于HVS的方法SSIM具有较好的相关性，计算简单快捷，因此应用范围较广，但是忽略了图像中重要的边缘信息，对模糊失真图像不敏感。

3.2 基于特征相似性的方法

基于特征相似性的图像质量评价方法FSIM在2011年被提出，它应用了Liu[5]等人提出的相位一致性，以原始图像和失真图像的相位一致性作为第一特征，梯度强度为第二特征，以相位一致性加权，提取了与图像相位保持高度一致性位置上的纹理结构特征[6]。人眼主要根据图像的底层特征来理解和评价图像，而FSIM很好地提取了人类感兴趣的特征点，因此能够得到较好的评价结果。两个图像的特征相似性和梯度相似性分别表示如下：

其中，PC表示原始图像和失真图像的相位一致性信息，G表示两幅图像的梯度幅值，引入常量T1和T2避免分母为零。用PCm(x ,y)=max(PC(x),PC(y))对两幅图像的整体相似性进行加权，则特征相似性FSIM表示如公式所示：

FSIM很好地表示了图像底层特征，比较接近人眼视觉系统，但是该算法对图像的边缘信息不敏感，因此在评价边缘信息比较丰富的图像是结果不够理想。

3.3 一些改进的图像质量评价方法

Wang等人提出了多尺度结构相似性MSSIM，把参考图像看成尺度1，最高尺度为M，它是通过M-1次迭代，每次通过对上一次迭代的结果进行低通滤波和下采样得到的[3]。这种方法能够捕获跨越多个尺度的模糊，与HVS一致性较好，评价结果优于SSIM。

Chen等人基于对SSIM的研究，提出了基于梯度的结构相似度GSSIM，把对亮度之外两个信息的度量改为对原始图像和待测图像的梯度信息的计算[3]。由于梯度信息能很好地表示图像的边缘信息，因此改进之后的算法GSSIM对边缘信息比较丰富的图像评估较准确。

Li等人提出了3-SSIM质量评价方法，把SSIM中三个信息的度量改为在边缘、纹理和平滑区域分别计算并赋予不同的权重[3]，以此计算所需的图像评价结果。

4 图像评价数据库和评价指标

理想的评价方法通常是与HVS具有较高的一致性，其结果具有单调性、准确性、一致性和稳定性[7]。常用于图像评价的图像数据库主要有LIVE[8]和TID2008[9]。LIVE图像数据库由29幅参考图像，779幅失真图像组成，失真类型主要有JPEG2000失真(JP2K)图像，JPEG失真图像，白噪声失真(WN)图像，高斯模糊失真(GB)图像和快速衰退失真(FF)图像。LIVE数据库中包括所有失真图像的DMOS值，值越大表示图像质量越差，在用LIVE库验证评价方法时，针对某一种类型的图像就可以验证该方法的性能优劣[3]。TID2008是专门用来评估全参考图像质量的数据库，该数据库包括25幅原始参考图像，经过17种类型和4个层次的失真处理后得到1700幅失真图像。数据库给出的是所有失真图像的平均主观分值MOS，值越大表示图像质量越好，用TID2008验证评价方法时，针对所有图像的比较和分析要比针对单一类型的图像更加可靠[3]。

为了验证所使用的评价方法与HVS的主观一致性，VQEG[10]提出了4个常用的客观指标参数斯皮尔曼秩相关系数SROCC，肯德尔秩次相关系数KROCC，皮尔森线性相关系数 PLCC，均方根误差RMSE[11]。SROCC和KROCC分别研究了两个变量的之间的相关关系和统计依赖性，它们都可以用来反映两个变量之间的等级相关性，PLCC代表MOS值与非线性回归后客观分值之间相关性的强弱，RMSE是在非线性回归条件下，客观评分与主观分值的误差，很好地反映了测量的精密度。当客观评价结果与主观评价结果较好时，SROCC、KROCC和PLCC的值会很高，而RMSE的值比较小。

5 结语

本文对图像质量评价方法进行综述，概述了质量评价的主要分类和几种典型的全参考图像质量评价方法及其发展，介绍了验证评价评价方法的几个参数指标。在对图像进行客观评价时，全参考质量评价是最常用也是发展最好的方法，但是放到实际应用中，如果无法获取图像的完整信息，部分参考和无参考图像质量评价方法就有了极大的应用和发展空间。图像处理可以更多地应用到视频处理系统和监控系统中以获取所需的最佳图像，根据不同需求选择具有不同特点的算法。同时，如何对图像进行处理以消除失真还原图像质量也将成为未来研究的重点和难点。

[1]Mottalli M,Mejail M,Jacobo-Berlles J.Flexible Image Segmentation and Quality Assessment for Real-Time Iris Recongnition[C].Proceedings of the 2009 16th IEEE International Conference on Image Proceeding(ICIP 2009),2009:1941-1944.

[2]Rec B T.Methodology for the Subjective Assessment of the Quality of Television Picture[S]，2002.

[3]褚江,陈强,杨曦晨.全参考图像质量评价综述[J].计算机应用研究,2014,31(1):13-22.

[4]Zhou Wang,Bovik,Sheikh H,et al.Image Quality Assessment:from Error Visibility to Structural Similarity[J].IEEE Transactions on Image Processing,2004,13(4):600-612.

[5]Liu Z,Laganire R.Phase Congruence Measurement for Image Similarity Assessment[J].Pattern Recognition,2007,28(1):166-172.

[6]Zhang L,Zhang L,Mou X Q,et al.FSIM:a Feature Similarity Index for Image Quality Assessment[J].IEEE Transactions on Image Processing,2011,20(8):2378-2386.

[7]刘书琴,毋立芳,宫玉,等.图像质量评价综述[J].中国科技论文在线,2011,6(7):501-506;523.

[8]Sheikh H R,Wang Zhou,Cormack L,et al.LIVE Image Quality Assessment Database Release 2[DB/OL].http://live.ece.utexas.edu/research/quality,2006-05-10/2007-06-30.

[9]Ponomarenko N,Luhin V,Zeleensky A,et al.TID2008:a Database for Evaluation of Full-Reference Visual Quality Assessment Metrics[EB/OL].[2009].http://www.ponomarenko.info/papers/mre2009tid.pdf.

[10]VQEG.Final Report from the Video Quality Experts Group on the Validation of Objective Models of Video Quality Assessment[EB/OL].2011-04-24.http://www.its.bldrdoc.gov/vqeg/projects/frtv phaseⅡ.

[11]Sheikh H R,Sabir M F,Bovik A C.A Statistical Evaluation of Recent Full Reference Image Quality Assessment Algorithms[J].IEEE Trans on Image Processing,2006,15(11):3440-3451.

张偌雅（1993-），女，河南信阳人，硕士研究生，研究方向为数字图像处理

李珍珍（1996-），女，河南漯河人，硕士研究生，研究方向为数字图像处理

2017-07-18

2017-10-11

Image Quality Assessment;Human Visual System;Subjective Assessment;Objective Assessment

Overview of Digital Image Quality Assessment

ZHANG Ruo-ya，LI Zhen-zhen

（College of Computer and Information Engineering，Henan University，Kaifeng 47500）

Quality assessment of digital image is a hot topic in the field of image.Presents the common methods of quality evaluation,of which the full reference assessment is the most mature and no reference assessment method has a very good research prospect.Various kinds of methods get improved so much that better evaluation results consistent with human visual system can be obtained.Summarizes the related perfor⁃mance indexes of the quality evaluation,puts forward the further development of assessment algorithm.

图像质量评价；人眼视觉系统；主观评价；客观评价

1007-1423（2017）29-0078-04

10.3969/j.issn.1007-1423.2017.29.019