QR二維碼的無參考圖像質量評價方法評測與研究*

薛 松

(陸軍軍官學院研究生管理大隊三隊 合肥 230031)

QR二維碼的無參考圖像質量評價方法評測與研究*

薛 松

(陸軍軍官學院研究生管理大隊三隊 合肥 230031)

論文綜合討論了二維碼(QR Code)圖像的相關知識和無參考圖像質量評價方法的相關原理,重點對算法進行評測。文章首先闡述二維碼的相關特性;其次對目前比較常用的算法進行簡要介紹,并對二維碼進行評測和結果分析;最后指出二維碼圖像質量評價是未來重要的研究方向。

圖像處理; 圖像質量評價; 無參考算法; 二維碼

ClassNumberTP391

1 引言

近年來,隨著資料自動收集技術的發展,用二維碼符號表示更多資訊的要求與日俱增。掃描二維碼,識別其所載的數據并獲取信息在人們日常生活出現得越來越頻繁。在領跑條碼標簽設計軟件中,二維碼被應用于防偽也是屢見不鮮。然而,由于紙質載體在印刷過程中的污染,或是在數據傳輸過程中噪聲的引入,會對二維碼圖像造成一定程度的失真。因此對二維碼圖像質量的合理評估具有重要的應用價值。

2 QR二維碼相關知識

QR二維碼是由日本豐田子公司Denso Wave于1994年發明并開始使用的一種矩陣二維碼符號。如圖1。是一種被廣泛使用的二維碼。QR碼不僅信息容量大、可靠性高、成本低、解碼速度快,還可以表示漢字及圖像等多種文字信息,其保密防偽性強且使用方便。

圖1 QR二維碼

QR碼成正方形,只有黑白兩色。在其代碼編制上巧妙地利用了構成計算機內部邏輯基礎的“0”、“1”比特流概念,使用若干個與二進制對應的幾何形體來表示文字數值信息,通過圖像輸入設備或光電掃描設備自動識別讀取以實現信息自動處理。其組成結構包含以下幾類,如圖2所示。

圖2 QR二維碼符號的結構

1)位置探測圖形,位置探測圖形分隔符:用于二維碼的定位,對每個QR碼來說,位置都是固定存在的,只是大小規格有所差異,這些黑白間隔的矩形塊很容易進行圖像處理的檢測。因此無論以任何角度掃描QR碼,信息都可被正確讀取。

2)校正圖形:根據尺寸不同,校正圖形個數也不同。校正圖形主要用于QR碼形狀的校正,尤其是圖像印刷在不平坦的面上,或者掃描時發生畸變等。

3)定位圖形:這些小的、黑白相間的格子就好像坐標軸,在二維碼上定義了網格。

4)信息格式:表示二維碼的糾錯級別,分為L、M、Q、H。

5)數據區域:使用黑白的二進制網格編碼內容。8個格子可以編碼一個字節。

6)版本信息:即二維碼的規格,QR碼符號共有40種規格的矩陣(一般為黑白色),從21×21(版本1),到177×177(版本40),每一版本的符號比前一版本每邊增加4個模塊。

7)糾錯碼字:用于修正二維碼損壞帶來的錯誤。

3 經典無參考算法模型描述

現存經典的無參考圖像質量評價算法通過在空域、小波域、DCT域提取圖像統計因子的特性構建評價模型[1]。如圖3所示。

圖3 無參考算法評價模型

3.1 基于小波域的NR-IQA

2010年,Bovik和Moorthy模塊化NR-IQA算法BIQI[2]。該方法首先在三個尺度、三個方向對圖像使用雙正交9/7的小波變換,獲得子帶因子。這些子帶因子隨后通過廣義高斯分布(generalized Gaussian distribution,GGD)模型進行參數化:

fΧ(x;μ,σ2,γ)=ae-[b|x-μ|]γ

(1)

2011年Bovik和Moorthy提出算法DIIVINE[3]。該算法包括兩個步驟: 1)從失真圖像中提取統計信息用于對失真類型做出判斷; 2)用該統計信息對所確定的失真類型做出估計,得出質量分數。在該算法中,高斯混合尺度(Gaussian Scale Mixture,GSM)模型將一系列相鄰的小波因子進行建模,用于模擬邊緣的統計特性。隨后在兩個尺度六個方向上使用塔型分解提取統計特征。所有特征的描述如表1所示。

表1 DIIVINE特征

3.2 基于DCT域的NR-IQA

2012年,Bovik和Saad提出基于DCT系數的統計特性的評價方法BLIINDS-I[4]和BLIINDS-Ⅱ[5]。該方法認為人眼善于從自然場景圖像中提取結構信息,且人眼對于對比度較為敏感。失真會對圖像的對比度、清晰度和各項異性產生影響。對于BLIINDS-Ⅰ,方法將圖像分成17×17的圖像塊,對每個圖像塊進行DCT變換計算圖像對比度;而圖像清晰度則通過選取最小10%的DCT系數分布峰度值;圖像各向異性則通過廣義瑞尼熵(Generalized Renyi Entropy)和偽魏格納分布(Pseudo-Wigner Distribution,PWD)進行描述。最后采用概率模型的方法選取是后驗概率P(DMOS/X)最大的DMOS值即為圖像的質量。BLIINDS-Ⅱ通過應用局部DCT系數的廣義統計模型對BLIINDS-Ⅰ進行性能提升。

3.3 基于空域的NR-IQA

2012年,Bovik和Mittal提出基于空域的算法BRISQUE[6],該算法用局部歸一化亮度因子的場景統計特性來量化圖像中的失真。定義非對稱的廣義高斯分布(asymmetric generalized Gaussian distribution,AGGD):

(2)

總共提取36個參數。最后使用SVM和SVR用來確定質量得分。

2013年,Bovik提出了一種OU-DU[7](opinion-unaware distortion-unaware)IQA算法NIQE[8]。算法首先通過局部平均活動和分離歸一化預處理圖像:

(3)

(4)

(5)

得到相關的可感知的空域NSS特征。隨后將圖像分為一系列大小為P×P的塊,在每個塊上計算具體的NSS特征。由于人眼對于圖像清晰的部分較為敏感,而多數圖像質量信息存于這些塊中[9]。因此選定信息量豐富的塊:定義每個塊數目b計算局部平均偏離域:

δ(b)=∑∑(i,j)∈patchbσ(i,j)

(6)

給定閾值T,若δ>T,則該圖像塊被選中。通過AGGD總共提取36個特征。使用多變量高斯模型(multivariate Gaussian,MVG)擬合這些塊特征:

(7)

最后,圖像質量表達為從失真圖像塊中提取的擬合MVG模型特征與從自然圖像集中提取的特征間的距離:

(8)

4 QR二維碼的測試與結果分析

采用某二維碼生成軟件將號碼“1234567890”生成圖1所示的二維碼圖像,該圖像作為本實驗的參考圖像。采用Matlab函數:J=imnoise(I,'salt&pepper',parameter)對二維碼參考圖像加上噪聲(圖4)以及J=fspecial('motion',len,theta)的運動模糊(圖5)以模擬生活中的印刷失真與掃描設備的抖動。隨后采用經典的四種無參考圖像質量評價算法BIQI、DIIVINE、BRISQUE、NIQE對以上兩類降質方法產生的圖像組進行算法評測,并選取全參考算法SSIM[10]進行對比評測,探尋與人類主觀評價相一致的、適合各類降質方法的無參考圖像質量評價算法。

圖4 二維碼噪聲

圖5 二維碼模糊

通過測試得出實驗結果如圖6～圖8所示。從圖中可以看出隨著噪聲及模糊程度增大,四種無參考算法均不能表現出與人眼視覺感知相一致的單調性,其評價方法均不能運用于實時評測中。全參考算法雖符合人眼視覺特性,由于參考圖像的引入,其也不能應用于實際生活與生產中。

圖6 二維碼噪聲無參考評測

圖7 二維碼運動模糊無參考評測

圖8 二維碼全參考評測

這是由于現存通用的無參考算法大致分為兩類[11],一是基于特定失真類型,如JPEG、JPEG2000、blur等,通過變換理論或邊緣模型評價圖像質量;二是基于Learning blind模型,通過提取圖像的自然場景統計信息或建立分類、回歸的視覺碼書來獲取圖像的質量。以上兩類方法都是自然圖像的評價方法,而二維碼圖像是由一系列黑白相間的規則矩形所構成,這些黑白圖形使圖像顯得“不自然”,因此難以得出與人眼視覺感知一致的結果。

5 結語

本文面向二維碼圖像,選取當前較為常用且有代表性的無參考評價算法進行簡要描述,并通過實驗測試并選取全參考SSIM算法進行對比。結果表明很難有一種或幾種算法能對二維碼圖像進行評價,得到正確結果。正是由于QR二維碼具有“資料儲存量大”、“資訊隨著產品走”、“可傳真影印”、“錯誤糾正力高”等優勢,其應用越來越廣泛。因此建立一種適合QR二維碼圖像的評價方法將成為未來該方向的熱點和難點。

[1]A. K. Moorthy, A. C. Bovik. Statistics of Natural Image Distortions[C]//IEEE International Conference on Acoustics Speech and Signal Processing, Dallas, Texas,2010,5:14-19.

[2]Anush Krishna Moorthy, Alan Conrad Bovik. A Two-Step Framework for Constructing Blind Image Quality Indices[J]. IEEE Signal Processing Letters,2010,14(5):513-516.

[3]A. K. Moorthy, A. C. Bovik. Blind image quality assessment: From natural scene statistics to perceptual quality[J]. IEEE Transcations on Image Processing,2011,20(12):3350-3364.

[4]M. A. Saad, A. C. Bovik, C. Charrier. A DCT statistics based blind image quality index[J]. IEEE Signal Processing Letters,2010,17(6):583-586.

[5]M. A. Saad, A. C. Bovik. Blind image quality assessment: A natural scene statistics approach in the DCT domain[J]. IEEE Transactions on Image Processing,2012,21(8):3339-3352.

[6]A. Mittal, A. K. Moorthy, A. C. Bovik. No-reference image quality assessment in the spatial domain[J]. IEEE Transactions on Image Processing,2012,21(12):4695-4708.

[7]Z. Wang, A. C. Bovik. Reduced and no reference visual quality assessment-The natural scene statistic model approach[J]. IEEE Signal Processing Magazine, Special Issue on Multimedia Quality Assessment,2011,29(6):29-40.

[8]A. Mittal, R. Soundarajan, A. C. Bovik. Making a ‘Completely Blind’ Image Quality Analyzer[J]. IEEE Signal Processing Letters,2013,20(3):209-212.

[9]R. Hassen, Z. Wang, M. Salama. No-reference image sharpness assessment based on local phase coherence measurement[C]//IEEE Int. Conf. Acoust. Speech Sig. Process,2010:2434-2437.

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

[11]P. Ye, D. Doermann. No-reference Image Quality Assessment based on Visual Codebook[C]//IEEE Transactions on Image Processing,2012,21(7):3129-3138.

ResearchandEvaluationonNo-referenceImageQualityAssessmentforQRCodes

XUE Song

(3rd Company of Administrant Brigade of Postgraduate, Army Officer Academy of PLA, Hefei 230031)

In this paper, the correlative knowledge of QR Codes and basic elements of no-reference image quality assessment are discussed, and more attention is paid to the evaluation of algorithms. Firstly correlative character of QR Codes is introduced; then some common algorithms are briefly introduced, evaluated and analyzed for QR Codes. Finally QR Codes quality assessment is indicated to be an important research direction in the future.

image processing, image quality assessment, no reference algorithm, QR Codes

2013年10月17日,

:2013年11月25日

薛松,男,碩士研究生,研究方向:圖像處理。

TP391DOI:10.3969/j.issn1672-9730.2014.04.032