基于Contourlet-GSSIM的無參考遙感圖像質量評價研究

解天鵬，許妙忠，叢　銘，朱曉玲

(武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

Research on No-reference Remote Sensing Image Quality Assessment

Based on Contourlet-GSSIM

XIE Tianpeng，XU Miaozhong，CONG Ming，ZHU Xiaoling

?

基于Contourlet-GSSIM的無參考遙感圖像質量評價研究

解天鵬，許妙忠，叢銘，朱曉玲

(武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

ResearchonNo-referenceRemoteSensingImageQualityAssessment

BasedonContourlet-GSSIM

XIETianpeng，XUMiaozhong，CONGMing，ZHUXiaoling

摘要：Contourlet變換是一種具有多分辨率、多方向性的圖像二維表示方法。為了對遙感圖像進行質量評價，本文提出了一種基于Contourlet變換的梯度結構相似度(GSSIM)無參考遙感圖像質量評價方法。首先根據主觀質量評價標準，組織20位遙感專家采用DMOS評分方法對150幅高斯噪聲圖像和150幅椒鹽噪聲圖像進行評價，建立主觀評分庫；然后將待評價失真遙感圖像通過高斯低通濾波器來構造參考圖像，并對圖像進行Contourlet變換，計算GSSIM，實現質量評價；最后，為了定量分析算法的性能，將評價結果回歸到DMOS空間，并與RMSE(均方根誤差)、PSNR(峰值信噪比)等評價方法進行比較。試驗結果表明，該方法能客觀地評價遙感圖像的質量，其結果與人眼視覺評判結果一致。

關鍵詞：圖像質量評價;Contourlet變換;梯度結構相似度(GSSIM);無參考

一、引言

遙感衛星所搭載的傳感器的成像水平是評價傳感器性能的一項重要指標。遙感傳感器由于受各種因素的影響，所獲取的遙感影像存在不同程度的失真，對后續的處理和應用有很大影響。對遙感傳感器獲取的遙感影像進行質量評價，一方面可以測定傳感器的成像性能，另一方面對遙感傳感器設計工作的改進具有借鑒意義[1]。

遙感圖像質量評價可以分為兩種：主觀質量評價和客觀質量評價。主觀質量評價是人為進行評價,這種方法充分考慮了人眼的視覺感受，可反映圖像的直觀質量，缺點是人力和時間消耗較大, 評價結果受觀測者的知識背景、經驗、測試環境等因素影響。客觀質量評價是根據事先確定的標準算法對反映圖像質量的參數進行計算，最終得出圖像的質量評分。客觀評價方法由于最終質量評分由給定的數學模型來確定，因而可以多次重復操作，并且比主觀評價方法更加靈敏，同時也易于與計算機技術結合應用到工程實踐中。但是，客觀評價結果必須與主觀評價結果高度一致，才能稱為好的客觀評價方法[2]。

客觀評價方法一般又分為全參考、半參考和無參考(no-reference)3種。圖像質量客觀評價指標有很多種，最常用的是均方誤差(MSE)和峰值信噪比(PSNR)。文獻[2]提出了結構相似度(structuralsimilarity,SSIM)這一全參考圖像質量評價方法，認為人眼能夠高度自適應地提取場景中的結構信息。文獻[3]在此基礎上提出了梯度結構相似度(GSSIM)的方法。輪廓波(Contourlet)變換可以對圖像進行多尺度、多通道、多方向分解，更符合人眼的視覺特性。實際應用過程中，在參考遙感影像無法獲得的情況下，質評工作無法開展。因此本文提出了一種基于Contourlet-GSSIM的無參考遙感圖像質量評價方法，與MSE、PSNR方法相比，本文所提出的方法評價結果更好。

二、GeoEye遙感圖像主觀評價庫的建立

本文試驗所用的數據為一景空間分辨率為0.5m的Geo級別的GeoEye-1全色影像，使用ERDASIMAGINE2010裁剪出30個特征場景，大小為512像素×512像素，格式為TIF，在Intel(R)Core(TM)i5-2415MCPU@ 2.3GHz、8GB內存、64位Windows8.1操作系統中，利用Matlab仿真軟件生成兩類失真圖像，對30個參考圖像分別加入5個不同大小的高斯噪聲和椒鹽噪聲，分別生成30×5=150幅圖像。高斯噪聲均值為0，方差為0～4；椒鹽噪聲的疊加密度(d)為0～1。高斯噪聲圖像和椒鹽噪聲圖像如圖1所示。

圖1　試驗數據

根據主觀質量評價標準，組織了20位遙感專家采用差分平均意見分數(differencemeanoptionscore，DMOS)評分法對圖像質量進行評價，待評價圖像包括150幅高斯噪聲圖像和150幅椒鹽噪聲圖像。DMOS的計算公式如下

d=MOSoriginal-MOSdistorted

(1)

計算每幅圖像的DMOS值并將其歸一化，結合其標準差和主觀觀測值，從而建立GeoEye遙感影像主觀評分庫。DMOS的取值為0～100，值越大，表明圖像質量越差；值越小，表明圖像失真越小，質量越好[4]。

三、基于Contourlet-GSSIM的無參考遙感圖像質量評價模型

1.Contourlet變換

Do和Vetterli于2002 年提出了一種真正的圖像二維表示方法——Contourlet變換，也叫作塔型方向濾波器組(pyramidaldirectionalfilterbank，PDFB)。Contourlet變換是一種多分辨率多方向的圖像二維表示方法，因為其最終結果是用類似于線段的基結構來逼近圖像，因此稱這種變換為Contourlet變換。Contourlet變換分兩步實現：第一步，通過LP(Laplacianpyramid)變換對圖像進行多尺度分解；第二步，對分解得到的每個高頻子帶采用方向濾波器組(DFB)進行多方向分解，將圖像的各階高頻信息細分為2n個方向，實現對不同頻率、不同方向信息的提取，各個方向子帶表示圖像不同尺度不同方向的輪廓子圖[5]。

2. 梯度結構相似度

GSSIM包括亮度(l)、對比度(c)和梯度相似度(g)3個要素，設X、Y分別表示參考圖像和待評圖像，x、y分別為兩幅圖像的對應圖像塊，l、c、g分別定義為

(2)

(3)

(4)

式中，μx和μy分別為圖像塊的均值；σx和σy分別為x、y圖像塊的標準差；σxy為x、y圖像塊的協方差；C1=(K1L)2，C2=(K2L)2，C3=C2/2，K1?1，K2?1，C1、C2、C3是為了避免分母為零而設的小常數；L是圖像的動態范圍，對于8位灰度圖像，L取28=256。

式(4)中的梯度G一般用差分來近似計算，本文用像素(i，j)處的4鄰域差分絕對值之和表示其梯度值

Gx(i,j)=|x(i,j)-x(i-1,j)|+|x(i,j)-x(i,j-1)|+|x(i,j)-x(i+1,j)|+|x(i,j)-x(i,j+1)|

(5)

特別的，第1行和第1列像素的梯度值用第2行和第2列代替，最后一行和最后一列的梯度值用前一行和前一列的梯度值代替。則圖像塊x、y的梯度結構相似度為

GSSIM(x,y) =[l(x,y)]α[c(x,y)]β[g(x,y)]γ

(6)

式中，α、β、γ均大于0，以調整3個部分所占的權重。

當對圖像進行質量評價時，把一幅圖像分為M個重疊或不重疊的子塊，對每個子塊由式(6)計算其GSSIM。對所有子塊都計算完畢后，整幅圖像的評分可由下式得到

(7)

3. 評價步驟

1) 為待評圖像X構造參考圖像Y。實際質評工作中往往缺少參考遙感影像信息，這就需要直接對失真遙感圖像進行質量評價，因此，需要采用無參考圖像質量評價方法。構造參考圖像可以通過改變圖像中的高頻成分來實現。試驗中采用高斯低通濾波器。噪聲屬于高頻信息，因此高斯低通濾波可以用于去噪，但是去噪的同時也會模糊圖像[6]。

2) 對X、Y進行Contourlet分解，得到圖像不同頻帶和不同方向的變換系數。

3) 用式(6)計算第i個頻帶第j個方向子帶的GSSIMij。

4) 用下式計算第i個頻帶的梯度結構相似度GSSIMi(X,Y)

(8)

式中，Mi為第i個頻率尺度上Contourlet分解的方向子帶數目；wij表示第i個尺度第j個方向子帶的權值，取值為該子帶Contourlet系數的絕對值均值。該取值方法是依據大系數表示重要輪廓、人眼對其更加敏感這一事實而提出的[7]。

5) 用下式對所有頻帶的GSSIMi(X,Y)求加權和，得到整幅圖像的Contourlet域梯度結構相似度

(9)

式中，N為圖像Contourlet分解的頻率子帶數；wi為第i個頻率子帶的權值。本文使用經典的CSF模型[8]計算wi，wi為相應頻帶內CSF曲線的平均值。

四、試驗結果及分析

1. 試驗細節

試驗中采用高斯低通濾波器來構造參考圖像，參數設置為11×11，σ=2。Contourlet變換中LP分解和DFB分解分別采用Daubechies(9,7)小波基和“pkva”小波基。在進行Contourlet變換時，先進行3級拉普拉斯變換將圖像分解為4個頻率尺度(N=4)，然后對各頻率子帶由粗到細采用4方向、8方向、16方向進行DFB分解，最低頻子帶不作方向分解。根據CSF曲線，試驗中各頻率子帶權值分別取為：w1=0.692 1、w2=0.892 5、w3=0.423 3、w4=0.051 9。

2. 試驗結果

本文選擇一幅場景圖和5幅高斯噪聲圖像計算圖像的失真評價結果，評價結果見表1。

表1　高斯噪聲圖像質量評價結果

本文提出的基于Contourlet-GSSIM的無參考圖像質量評價方法，評分值越高，表示圖像的質量越好；RMSE(root mean square error)衡量的是圖像間的差別，其值越小，表示噪聲圖像與參考圖像間的差異越小，圖像質量越好；峰值信噪比(PSNR)表示圖像中信息和噪聲的比例，其值越大，圖像質量越好。

從表1可以看出，隨著高斯噪聲方差的增大，C-GSSIM評分值減小，表明圖像質量逐漸下降。本文方法與PSNR、RMSE的客觀評價結果一致，都可以有效地對GeoEye遙感影像的質量進行評價，但是3種算法的性能相互之間無法進行比較。

3. 算法性能比較

為了進一步比較本文算法與RMSE、PSNR圖像質量評價算法的性能，需要對算法性能進行定量化的描述。根據VQEG(video quality experts group)的報告，采用Logistic函數將各評價算法結果非線性回歸到DMOS空間[9]，Logistic函數如下

(10)

式中，x表示質量評價算法的評分值[10]。

然后用以下3個指標衡量各質量評價算法的性能：①相關系數CC(correlation coefficient)，越接近1越好；②均方根誤差RMSE，值越小越好；③斯皮爾曼等級相關系數SROCC(spearman rank oder correlation coefficient)，值越大越好，用來測定客觀評價算法結果相對于主觀評價結果的單調性。表2給出了各圖像質量評價算法與DMOS的CC、RMSE、SROCC值計算結果。從表2可以看出，與未考慮人眼視覺特性的MSE和PSNR算法相比，本文提出的質量評價算法與主觀評分的相關程度和準確度都有明顯提高，具有更好的性能。

表2　質評算法性能比較

五、結束語

本文提出了一種基于Contourlet-GSSIM的無參考遙感圖像質量評價方法，建立了GeoEye遙感影像主觀評分庫，通過構造得到參考圖像后，對圖像進行Contourlet分解并將得到的分解系數應用于加權的梯度結構相似度，從而實現了對遙感圖像進行質量評價。通過與PSNR、RMS進行性能比較，表明本文提出的算法能夠可靠、有效地評價GeoEye遙感影像的圖像質量，該方法充分考慮了人眼視覺特性，并且無須參考遙感圖像信息。下一步還需要考慮算法對具有更多失真類型的遙感影像的通用性，以及對不同衛星遙感數據的適用性。

參考文獻：

[1]顧營迎. 航天光學遙感器圖像終端像質評價方法研究[D]. 長春:中國科學院長春光學精密機械與物理研究所, 2013.

[2]WANG Z,BOVIK A C,SHEIKH H R, et al.Image Quality Assessment: From Error Visibility to Structural Similarity[J].IEEE Transactions on Image Processing, 2004, 13(4): 600-612.

[3]莊曉麗，陳衛紅．基于梯度幅度值的結構相似度的圖像質量評價方法[J]．計算機應用與軟件，2009，26(10)：222-224．

[4]閆利, 胡曉斌. 利用 Contourlet—SSIM 視覺模型的 IKONOS 圖像質量評價研究[J]. 武漢大學學報: 信息科學版, 2014, 39(1): 12-16.

[5]王鋒, 孟凡坤, 萬方杰, 等. 基于 Contourlet 域梯度結構相似度的無參考圖像質量評價[J]. 信息工程大學學報, 2014, 15(1): 80-84.

[6]桑慶兵, 梁狄林, 吳小俊, 等. 基于支持向量回歸的無參考模糊和噪聲圖像質量評價方法[J]. 光電子·激光, 2014, 25(3): 595-601.

[7]楊春玲, 汪凡. 基于結構相似度的CT域圖像質量評價方法[J]. 計算機工程, 2010, 36(14): 190-192.

[8]MANNOS J, SAKRISON D J. The Effects of a Visual Fidelity Criterion on the Encoding of Images[J]. IEEE Transactions on Information Theory, 1974, 20(4): 525-536.

[9]SHEIKH H R, BOVIK A C, DE VECIANA G. An Information Fidelity Criterion for Image Quality Assessment Using Natural Scene Statistics[J]. IEEE Transactions on Image Processing, 2005, 14(12): 2117-2128.

[10]ROHALY A M, CORRIVEAU P J, LIBERT J M, et al. Video Quality Experts Group: Current Results and Future Directions[C]∥Proc. SPIE 4067, Visual Communications and Image Processing 2000. Perth, Australia:SPIE, 2000: 742-753.

引文格式： 解天鵬，許妙忠，叢銘,等. 基于Contourlet-GSSIM的無參考遙感圖像質量評價研究[J].測繪通報，2015(1)：59-62.DOI:10.13474/j.cnki.11-2246.2015.0011

作者簡介：解天鵬(1989—)，男，碩士，主要從事攝影測量與遙感方面的研究。E-mail： 812647821@qq.com

收稿日期：2014-12-12

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2015)01-0059-04