图像质量客观评价方法研究与实现

刘帆 强发军 赵明旭 倪旭 韩冷

摘要：本文对图像质量主观评价和客观评价方法进行了介绍和优缺点分析，针对主观评价方法耗时耗力、随机性大等缺点，构建了一种图像质量客观评价模型，介绍几种常用的图像质量客观评价算法并对其进行计算机仿真，实现了多路图像质量高低定量排序。进行对比实验，对该图像质量客观评价模型进行验证，实验结果表明该模型所采用的客观图像质量评价与主观评价基本保持一致。

关键词：图像处理;质量评价;主观评价;客观评价;算法设计

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2020）06-0107-04

1 图像质量评价方法

图像质量的评价方法可以分为主观评价和客观评价两大类，其中，主观评价方法直观、比较准确以及有效，但是由于在一定的测试环境中由多个观测者来对图像进行评分，然后对大量评分数据进行统计分析，因此耗时，不易实现;客观评价方法一般是由某个数学模型来计算出图像质量的分数，比较经济实用，但是要求客观评价的结果应该与主观评价的结果具有较好的相关性。

1.1 主观评价方法

图像质量主观评价就是选择一批非专业的观测员，让他们在特定的环境下，连续观看一系列的测试序列，观看时长大概10到30分钟，然后采用不同的方法让他们对视频序列的质量评分。主观评价结果有两种表示方法：一种是绝对评分MOS（Mean Opinion Score），表示待测视频的绝对质量;另一种是差值表达DMOS（Difference Mean Opinion Score），表示待测视频与参考视频质量的差值。主观评价方法主要包括双刺激连续质量分级法、双刺激损伤分级法、单刺激连续质量评估法、绝对分类评价法等4种。

由于人是視频的最终接收者，因此主观评价是最可靠和最准确的方法。但是主观评价方法需要投入大量的人力和物力，测试环境要求严格，评测得到结果所需时间长，而且无法嵌入到实际的系统中，应用范围很有限。目前主观评价方法主要用于验证客观评价方法的有效性，可以根据主观评价实验来验证其他方法的结果。

1.2 客观评价方法

图像质量主观评估由于需要大量的非专业人员对图像进行评价，比较耗时且结果易受多种因素影响，因此在实际应用中需要一种客观的、简单的图像质量评价方法。根据用于评价的输入数据形式，可以将客观评价方法主要分为五类：（1）媒体层模型（Media-layer models），利用解码后的视频信号来计算体验质量QoE（Quality of Experience），不需要测试系统的任何信息，因此能很好应用到如编解码比较和编解码优化的场景中。（2）带参数的包层模型（Parametric packet-layer models），与媒体层不同的是，该模型预测QoE只用到包头的信息，而不接触媒体信息，因此该模型的算法复杂度低。（3）参数规划模型（Parametric planning models），只使用与媒体相关的网络规划参数和终端应用参数，因此需要事先知道测试系统的信息。（4）码流模型（Bitstream-layer models），利用码流信息和包头信息来度量QoE。（5）混合模型（Hybrid models），将以上两个或更多的模型特性结合一起，能够使用的信息更加全面。

1.3 影响图像质量的因素

在研究图像频质量评价方法前，有必要分析影响图像频质量的因素。一方面，当前网络带宽有限，如果要在网络上实现图像频高速传播，必须对图像频进行一系列处理，如信号采集、压缩等[1-2]，这样可以减小图像频文件的大小以适应网络带宽。然而，对图像频进行压缩处理的同时，必然会引起图像频质量下降。另一方面，网络的不可靠性同样会对图像频带来各种各样的失真。当前IP网络尽力传输机制，无法保证服务质量。同时，在现实网络中有诸多不稳定的因素如：网络传输过程中，设备电压不稳，导致比特传输错误;网络发生堵塞，导致数据包丢失。所以不可靠的网络传输也是图像频质量降低的重要原因。

由此可知网络应用的图像频质量的损伤主要来源于两个因素。一是为了适应网络的需求，对图像频进行压缩编码，而有损压缩的编码方式使得解码后的图像频无法完全恢复成原始图像频，从而产生的图像频质量模糊等现象。二是网络的不稳定性导致可能出现的传输误码，从而导致图像频质量失真等现象。

2 图像质量客观评价算法设计

2.1 算法概述

清晰度也指模糊度或粗糙度，是指人眼能感觉出的相邻影像间的明显程度，图像质量的好坏与其清晰度直接相关。导致图像清晰度下降的原因是模糊现象的产生，在图像的采集、传输、压缩和滤波等各种处理过程中都可能产生模糊，比如曝光期间成像系统和被摄物体相对运动产生的运动模糊，成像系统聚焦不良或部分景物处于散焦状态产生的离焦模糊，光的衍射、以及压缩之后高频丢失等产生的各类模糊，电子系统高频性能不良也会损失图像的高频分量而使图像模糊等。图像模糊是由于图像高频分量的丢失造成的边缘或者细节不清晰，清晰图像比模糊图像包含更丰富的细节信息，即高频分量[3]，图像边缘和纹理失真很小，几乎可以忽略。所以可以通过衡量图像包含高频分量所占的比例来评价图像的清晰度。在数字图像处理中，梯度函数常被用来提取边缘信息，聚焦越好的图像，具有越尖锐的边缘，图像梯度函数值就越大。常用的梯度函数有：能量梯度函数、方差函数和Roberts梯度算子等。

2.1.1 能量梯度函数

利用相邻点的差分计算一个点的梯度值，计算公式如下：

2.1.2 方差函数

该方法是一个比较流行的自动对焦的清晰度评价函数。由于清晰图像比模糊图像存在更大的灰度级差异，所以方差函数可作为图像清晰度高低的一个评价标准。方差函数计算公式如下：

2.1.3 Roberts梯度算子

2.2 算法仿真

由于方差函数法运算过程简便，算法复杂度低，被广泛应用于图像质量评价中，因此这里也采取方差函数法进行图像质量评价。

在VC++环境[4-5]下编写程序，利用4幅施加不同程度高斯噪声的图像来检验图像质量评价算法，如图1所示，高斯噪声系数σ越大，图像中包含的高斯噪声越多，图像质量越差。采取方差函数法对4幅图像进行计算，得到的评价值分别为：43.95，41.66，39.87，36.63，评价值与图像效果的对应性较强。

对matlab系统自带的lena图片施加不同程度高斯噪声进行图像质量评价算法验证。采取方差函数法对4幅图像进行计算，如图2所示，得到的评价值分别为：50.89，47.56，45.38，42.21，评价值与图像效果的对应性较强。

3 对比实验

3.1 实验素材选取

实验素材的选取对整个研究过程具有重要地位，所选择的视频素材序列要尽可能多的视频场景，而且所包含的内容需包含典型的空域复杂度（SC，Spatial Complexity）和时域复杂度（TC，Temporal Complexity）。空域复杂度越高，表示视频图像包含的边缘与纹理越多;时域复杂度越高，视频运动越剧烈。文本将序列分为四类，其中第I类表示运动平缓但空域内容复杂;第II类表示运动剧烈且空域内容复杂：第III类表示运动平缓且空域内容平滑;第IV类表示运动剧烈但空域内容简单。本文所选取的原始视频序列涵盖所有这四种类型。

3.2 主观评价过程

3.2.1 观测人员

观测人员即是应邀请参加主观评价的评分人员，参与评测的人员都是随即选取的技术人员，并且不是研究视频图像方面的专业人员，一共有8人参与此次主观评测，并且所有的观测人员具有正常的视力。每个失真序列都被所有的观测者评价。在评测开始之前，每个观测者都被告知实验的目的，并且经历一段短时间的训练。训练的视频序列不属于本文建立的视频数据库里的一部分。每个训练视频持续时间为10s，并且视频质量从好到坏。

3.2.2 显示设备

实验中，在PC使用Matlab的XGL工具箱进行视频的播放以及打分。界面如图3所示。视频显示设备为23ich的液晶显示器，分辨率为1440×900。为了避免由于尺寸变换带来失真，视频以各自原始分辨率播放，显示画面的其余部分为黑色背景，并在画面下方有一个连续标尺，并有一个十字光标在标尺正中。在视频播放完之后，会在屏幕上显示一个质量打分标尺，标尺最左端标记“Bad”，最右端标记“Excellent”，中间等间隔距离分别标记“Poor”、“Fair”和“Good”，5个质量等级分别对应1-5分。观测者可用鼠标移动标尺中央处的十字光标。在移动十字光标后，观测者要求按下键盘上的任意键来输入对视频的打分。一旦打分键入，将无法更改。当完成当前的评分，下一个视频将开始播放。

3.2.3 主观评价数据处理

采用MOSj来表示视频j的评分，N为参与评分的人数，dij表示第i个人对视频j的评分，则MOSj如下式计算：

3.3 實验结果

对图1和图2分别进行主观图像质量评价，得到结果如表1和表2所示。可以看出，2.2节中所采用的客观评价得分排序与主观评价相同。实验结果表明该模型所采用的客观图像质量评价与主观评价基本保持一致，验证了模型和算法的正确性。

4 结语

图像质量的评价方法可以分为主观评价和客观评价两大类，其中，主观评价方法直观、比较准确以及有效，但是由于在一定的测试环境中由多个观测者来对图像进行评分，然后对大量评分数据进行统计分析，因此耗时，不易实现;本文针对主观评价方法的缺点，构建了一种图像质量客观评价模型，设计了算法并对其进行计算机仿真，实现了多路图像质量高低定量排序。进行对比实验，对该图像质量客观评价模型进行验证，实验结果表明该模型所采用的客观图像质量评价与主观评价基本保持一致，验证了模型和算法的正确性。

参考文献

[1] 阮秋琦.数字图像处理（MTALAB版）（第二版）[M].北京：电子工业出版社，2014.

[2] 左飞，万晋森，刘航.数字图像处理原理与实践[M].北京：电子工业出版社，2012.

[3] 原魁，何文浩，肖晗.基于FPGA的嵌入式图像处理系统设计[M].北京：电子工业出版社，2013.

[4] 齐舒.Visual C++.NET高级编程（第1版）[M].北京：清华大学出版社，2002.

[5] 叶乃文，王丹.面对对象程序设计（第2版）[M].北京：清华大学出版社，2009.