基于Gabor小波變換的無參考圖像模糊度評價?

曾澤興，曾慶寧，蔡曉東，朱利偉，田 柯

（桂林電子科技大學信息與通信學院，桂林541004）

基于Gabor小波變換的無參考圖像模糊度評價?

曾澤興，曾慶寧，蔡曉東，朱利偉，田 柯

（桂林電子科技大學信息與通信學院，桂林541004）

當前的各種圖像質量評價方法中，模糊是最?？紤]的因素之一。針對模糊度量，基于Gabor小波提出了一種新的評價方法。首先利用Gabor小波提取圖像高頻信息，把原圖像分割成高頻和低頻部分；然后分別對這兩部分進行像素點誤差累計，算出兩部分的差值平均；最后結合這兩個值算出模糊度。該方法結合了人類視覺系統模型和誤差累計的思想。實驗結果表明，模糊質量評價結果與人主觀評價結果的相關系數為0.7836，異常值比為0.0443，說明這是一種有效的模糊評價方法。

Gabor小波；圖像質量；模糊圖像；無參考；模糊度評價；人臉視覺系統模型

1 引 言

近些年來，隨著圖像處理技術的發展，該領域的研究已吸引了研究人員的廣泛關注，國內外已有許多科研機構和商業公司投身其中，如美國泰克公司研制的圖像質量分析儀已經被廣泛應用。另外IBM等就圖像視頻質量評價問題也展開了深入研究［1］。在評價圖像質量時，最?？紤]的影響因素是模糊。已存在的評價圖像模糊度方法中很多都需要參考圖像，這極大的限制了這些方法的應用范圍。

2 相關工作

圖像質量的評價分為兩大類［2］，一類是主觀評價法，另外一類是客觀評價法。在圖像模糊度評估方法中，均方誤差（Mean Square Error，MSE）、峰值信噪比（Peak Signal to Noise Ratio，PSN）和結構相似度（Structural Similarity，SSIM）等作為經典方法被廣泛使用。MSE和PSNR，主要是計算參考圖像和模糊圖像的像素差平均值，通過這個值來判斷圖像的模糊度。由于這些方法不考慮像素點之間的關系，也不考慮人類視覺系統的特點，這導致了其結果與人類主觀結果有很大的差距。為解決這一問題，Wang等提出了SSIM方法，該方法是在亮度、對比度和結構三個層次上作比較的。實驗表明，SSIM的檢測結果與人的主觀評價有很高的相關性。然而，對于有很多平坦區域的模糊圖像，該方法的檢測效果并不好。

人類視覺系統模型（Human Vision System Model，HVS）認為，人類視覺系統對圖像的邊緣和輪廓更加敏感；另一方面，邊緣輪廓對模糊很敏感，所以大多數的模糊圖像質量評估方法都用到了邊緣檢測。其中已提出了很多基于邊緣銳度分析的方法，比如Marziliano等［3］分析了邊緣寬度；Caviedes等［4］利用了局部邊緣峰度；Chuang［5］通過擬合圖像梯度幅值為正態分布來評價模糊程度；L.Firestone［6］統計圖像中高于某個固定閾值的頻率成分之和，獲取的和作為頻率閾值大??；N.B.Nill［7］構造一個調制轉換函數來計算歸一化圖像功率譜的權值，最后得出圖像模糊度的度量；Ong［8］利用canny邊緣檢測獲取邊緣像素點，再通過估計邊緣平均寬度來評價模糊程度。然而HVS是一個特別復雜的系統，模擬HVS組成和結構的算法通常會導致過高的復雜性和計算量［9］。

3 算法實現

HSV認為，人類視覺系統對圖像中的邊緣和輪廓更加敏感，而邊緣和輪廓也就是圖像的高頻信息，MSE和PSNR的重要思想是誤差累計。結合以上兩點，提出了一種新的圖像模糊度評價方法：利用Gabor提取圖像高頻信息，從而把原圖像分成兩部分（高頻與低頻），分別進行點誤差累計，算出兩部分差值平均，最后結合這兩個值得出模糊度。算法實現的具體流程如圖1所示。

圖1 算法實現流程

3.1 提取Gabor特征

二維Gabor小波變換是圖像的多尺度表示和分析的有力工具，二維Gabor濾波器的函數形式可以表示為［10］：

3.2 自適應二值化

對于提取的Gabor高頻振幅圖像做自適應二值化，設G為Gabor提取后的高頻振幅圖像，平均像素值m（i，j）和方差ε（i，j）計算如下：

其中p是指鄰近像素點（i，j）的像素點個數為半徑，則像素點（i，j）處的局部二值化閾值為t（i，j）＝m（i，j）＋ε（i，j）。Gabor濾波后振幅圖的水平二值化圖B：

3.3 計算絕對差平均值

利用獲得的二值圖B，找出原圖中對應的高頻成分，定義為H，即H＝s＆B；對應其他區域定義為L，即L＝S－H。圖像S中像素點的水平絕對差值定義為：

水平差平均值為：

垂直絕對差值：

垂直差平均值：

類似的，通過公式（2）（3）可以分別求出圖像L的水平差平均值Lh－mean和垂直差平均值Lv－mean，則圖像H的差值平均為Hmean＝（Hh－mean＋Hv－mean）/2，圖像L的差值平均為Lmean＝（Lh－mean＋Lv－mean）/2。最后，提出一種新的評價方式，模糊圖像質量評估（Blurred Image Quality Assessment，BIQA）：

4 實驗結果與分析

為了測試所提算法的性能，這里用到了美國德克薩斯大學提供的圖像質量評估數據庫（The Laboratory of Image and Video Engineering，LIVE）［11］。LIVE數據庫包含不同方法處理成不同類型和不同程度的失真圖像，數據庫還給出了每張圖像的平均主觀評分差值（Difference Mean Opinion Scores，DMOS），其中：DMOS越小，表示圖像質量越好；DMOS值越大，表示圖像質量越差。

由于所提方法是針對圖像模糊提出的，故這里只選取其中174幅高斯模糊圖像進行仿真實驗。所提的算法，參考了MSE和PSNR方法用到了點誤差累計；同時MSE、PSNR和SSIM都是經典的質量評估方法，故這里在性能方面與這三個方法作比較。

根據視頻質量專家組（Video Quality Experts Group，VQEG）［12－13］的建議，利用非線性映射，把不同圖像質量度量模型算出的圖像分數（Video Quality Rating，VQR）轉化為DMOSP，見公式（11），

要評價圖像質量檢測模型的有效性，根據VQEG標準，需要比較DMOSP和DMOS之間的四個不同指標，這四個指標分別是相關系數（Correlation Coefficient，CC）、平均絕對誤差（Mean Absolute Error，MAE），均方根誤差（Root Mean Square Error，RMSE）和異常值比（Outlier Ration，OR）。CC的值越大，非線性映射DMOSP和DMOS有更高的相關性；MAE和RMSE的值代表DMOSP和DMOS的殘差，值越小說明評價模型的表現越優異；OR的值表示DMOSP和DMOS的一致性，值越小則評價模型越好。

表1 算法比較

從表中可以看出，相對于其他三種算法，所提出的算法CC值最大，也就是評估值和主觀評價值有更高的相關性，更加符合人類視覺系統；其他參數比較接近，但表現也是比較靠前的。需要說明的是，MSE、PSNR和SSIM這些方法是有參評價模型，需要一張參考圖像，這就在很大程度上限制了它們的應用范圍。為了更加直觀的看出所提算法的表現，把所提算法BIQA算出的模糊度與主觀評價值做比較，繪制成圖2所示。

圖2 BIQA相對于DMOS的離散點圖

可以看出，離散點比較集中，變化趨勢相同，所提算法BIQA與主觀評價有較高的一致性。在圖像比較模糊或者比較清晰時，離散點都能區分開來。圖中更多離散點集中在中間部分，說明該算法對一般模糊圖像的區分度有待提高。

5 結束語

針對圖像模糊質量檢測，提出一種新的無參考評價方法，結合Gabor特征提取和點誤差累計，結果表明該方法要優于經典的均方誤差、峰值信噪比和結構相似度等算法，是一種有效的無參考模糊質量檢測方法。

［1］ Wang Z，Liang L，and Alan C B.Video quality assessment using structural distortion measurement［C］.//International Conference on Image Processing.Rochester：NY，USA，2002.

［2］ 魏政剛，袁杰輝，蔡元龍.一種基于視覺感知的圖像質評價方法［J］.電子學報，1999，27（4）：79－82.

Wei Zhenggang，Yuan Jiehui，Cai Yuanlong.APicture Quality Evaluation Method Based on Human Perception［J］.ACTA ELECTRONICA SINICA，1999，27（4）：79－82.

［3］ Marziliano P，Dufaux F，Winkler S，Ibrahimi T.A no referenc e perceptual blur metric［C］.//International conference on image processing.Rochester：NY 2002.

［4］ Caviedes J，Gurbuz S.No reference sharpness metric based on local edges Kurtosis［C］.//IEEE international conference on image processing.Rochester：NY，2002.

［5］ Yun Chung Chung，Jung MingWang，Bailey R R，et al.A nonparametric blur measure based on edge analysis for image processing applications［J］.IEEE conf Cybern intell syst 2004（1）：356－360.

［6］ Firestone L，Talsamia N，Preston K，et al.Comparison of autofocusmethods of automated microscopy［J］.Citometry：1991（12）：195－206.

［7］ Nill N B，Bouzas B H.Objective image quality measure derived from digital image power spectra［J］.Opt，Eng：1992，4（31）：813－825.

［8］ Ong E P，Yun Chung Chung，Jung Ming Wang，et al.No reference qualitymetric formeasuring image blur［C］.//In Proc IEEE int.Conf.Image processing，sp：2003.

［9］ Zhou Wang，Bovik，A C，LuLi gang.Why is image quality assessment so difficult［C］.//IEEE International Conference on Acoustics.Speech and Signal Processing：Orlando，USA，2002.

［10］ Lades M，Vorbruggen JC，Buhmann J，et al.Distortion invariant object recognition in the dynamic link architecture［C］.//IEEE Transactions on Computers：1993.

［11］ Sheikh H R，Bovik A C，Cormack L，et al.LIVE image quality assessment database 2［EB/OL］.2005.Available：http：//live.ece.utexas.edu/research/quality.

［12］ Video Quality Experts Group，Final report from the video quality experts group on the validation of objectivemodels of video quality assessment［］，VQEG，Mar，2000.

［13］ Video Quality Experts Group，Final report from the video quality experts group on the validation of objectivemodels of video quality assessment［］，（2003－08）http：//www.vqeg.org/.

Evaluation on No－reference Image Blur Metric Based on Gabor Wavelet Transform

Zeng Zexing，Zeng Qingning，Cai Xiaodong，Zhu Liwei，Tian Ke
（School of Information and Communication，Guilin University of Electronic Technology，Guilin 541004，China）

The ambiguity is one of the factorsmost frequently considered in a variety of image quality assessmentmethods.This paper proposes a new evaluationmethod to detect the blur based on the Gabor wavelet.Firstly，the Gabor Wavelet is used to extract the high－frequency information of image.Then the original image is divided into high frequency and low frequency.Secondly，the two frequencies of image pixel point error are accumulated separately，and the average difference is calculated at the same time.Finally，the blur degree is calculated combining with these two values.Themethod combines the idea of the Human Visual System Model and cumulative error.The experimental results show that the correlation coefficient of the blur evaluation results and themanual evaluation results is 0.7836 and the outlier ration is 0.0443，and themethod is effective.

Gabor wavelet；Image quality；Blurred image；No－reference；Blurmetric；HVSM

10.3969/j.issn.1002－2279.2015.05.012

TP39

A

1002－2279（2015）05－0047－03

國家科技支撐計劃課題（2012BAH20B01，2014BAK11B02）；廣西高校科學技術研究項目（2013YB092）；廣西自然科學基金項目（2012GXNSFAA053232 2013GXNSFAA019326）

曾澤興（1987－），男，廣西省貴港市人，碩士研究生，主研方向：圖像處理、人臉識別。

2015－02－04