• 当前位置:创业找项目 > 范文大全 > 图像质量评价软件
  • 图像质量评价软件

  • 来源:创业找项目
  • 时间:2018-05-06
  • 移动端:图像质量评价软件
  • 篇一:图像质量评价的方法和意义

    在图像信息技术被广泛应用的情况下,对图像质量的评估变成一个广泛而基本的问题。由于图像信息相对于其它信息有着无可比拟的优点,因此对图像信息进行合理处理成为各领域中不可或缺的手段。在图像的获取、处理、传输和记录的过程中,由于成像系统、处理方法、传输介质和记录设备等不完善,加之物体运动、噪声污染等原因,不可避免地带来某些图像失真和降质,这给人们认识客观世界、研究解决问题带来很大的困难。

    比如,在图像识别中,所采集到的图像质量直接影响识别结果的准确性和可靠性;又如,远程会议和视频点播等系统受传输差错、网络延迟等不利因素影响,都需要在线实时的图像质量监控,以便于服务提供商动态地调整信源定位策略,进而满足服务质量的要求;在军事应用方面,战场监视和打击评估的效果也取决于无人机等航拍设备所采集到的图像或视频的质量。因此,图像质量的合理评估具有非常重要的应用价值。

    从有没有人参与的角度区分,图像质量评价方法有主观评价和客观评价两个分支。主观评价以人作为观测者,对图像进行主观评价,力求能够真实地反映人的视觉感知;客观评价方法借助于某种数学模型,反映人眼的主观感知,给出基于数字计算的结果。

    图像质量的主观评价

    主观评价只涉及人作出的定性评价,它以人为观察者,对图像的优劣作出主观的定性评价。对于观察者的选择一般考虑未受训练的“外行”或者训练有素的“内行”。该方法是建立在统计意义上的,为保证图像主观评价在统计上有意义,参加评价的观察者应该足够多。主观评价方法主要可分为两种:绝对评价和相对评价。

    绝对评价

    所谓绝对评价,是由观察者根据自己的知识和理解,按照某些特定评价性能对图像的绝对好坏进行评价。通常,图像质量的绝对评价都是观察者参照原始图像对待定图像采用双刺激连续质量分级法(Double Stimulus Continuous Scale,DSCQS),给出一个直接的质量评价值。具体做法是将待评价图像和原始图像按一定规则交替播放持续一定时间给观察者,然后在播放后留出一定的时间间隔供观察者打分,最后将所有给出的分数取平均作为该序列的评价值,即该待评图像的评价值。国际上也对评价尺度做出了规定,对图像质量进行等级划分并用数字表示,也称为图像评价的5分制“全优度尺度”。(见表1.1)

    相对评价

    相对评价中没有原始图像作为参考,是由观察者对一批待评价图像进行相互比较,从而判断出每个图像的优劣顺序,并给出相应的评价值。通常,相对评价采用单刺激连续质量评价方法(Single Stimulus Continuous Quality Evaluation,SSCQE)。具体做法是,将一批待评价图像按照一定的序列播放,此时观察者在观看图像的同时给出待评图像相应的评价分值。相对于主观绝对评价,主观相对评价也规定了相应的评分制度,称为“群优度尺度”(见表1.2)。

    ——————————————————英迈吉影像质量评测实验室————————————————

    图像质量客观评价

    图像质量客观评价的基本目标是设计能精确和自动感知图像质量的计算模型。其终极目标是希望用计算机来代替人类视觉系统去观看和认知图像。在国际上,图像质量客观评价通常是通过测试多个影响影像质量的因素的表现,并通过计算模型获得图像质量量化值与人类主观观测值一致性的好坏来评估的。美国的Imatest和法国的DxO analyzer就是其中比较出名的图像质量客观评价系统。

    Imatest和DxO analyzer有异曲同工之处,都是将影像质量评测拆分成多个测试项目,分别对每个项目进行测试、打分。两者相比,DxO analyzer的测试项目会稍微全面一些。 无论是Imatest还是DxO analyzer,两个测试系统都是通过“测试卡+光源环境+测试软件=测试结果”的模式。通过各种各样的测试卡和光源,在实验室中模拟各种环境,再把成像结果输入软件系统,由系统自动分析,最后得出结果。

    我们都知道,我们之所以能看到东西,那是因为物品发出光或者是反射光线,所以,影像质量评测实验室往往会有两种光源:透射性和反射型。京立LLV-9300就是最为被广泛运用的光源之一,它能模仿非常多的环境亮度。

    ——————————————————英迈吉影像质量评测实验室————————————————

    京立LLV-9300光源箱

    除了光源,测试卡也是非常重要的测试用具。针对不同的测试项目,测试卡也是各有不同,有的可以测试分辨率,有的可以测试MTF,有的可以测试色差??ISO 12233测试卡是测试镜头分辨率最权威测定方法,也是国际MTF成像曲线图和镜头评估的主要依据。

    ISO 12233测试卡

    有人非常好奇,为什么影像质量评测需要准备这么多的测试用具,准备少一些测试卡、光源不行吗?

    我们要知道,我们准备各种测试卡和光源是为了模拟各种光照环境,以及测试产品在这些光照环境下的表现。我们永远也无法猜到用户会在什么环境下使用我们的产品,就如之前特斯拉发生了第一起无人驾驶车祸,就是因为没有考虑到用户会在阳光灿烂的时候遇到一辆白色卡车,摄像头在这种情况下会失灵。所以,我们能做到的是尽可能测试产品在各种环境下的表现,争取让产品在各种环境下都表现正常。

    ——————————————————英迈吉影像质量评测实验室————————————————

    篇二:图像质量评价的两个方法

    视觉信息是人类获取信息的最主要途径,它通过人自身的视觉感知系统获取,其中图像信息是最主要的组成部分。随着个人计算机、数字通信、多媒体和网络技术的发展,数字图像和数字视频日益成为信息最重要的载体之一,已经深入到人们的日常生活,普及到千家万户。在数字图像的获取、处理、编码、存储、传输和重建的每一个步骤中,通常都会对图像的质量产生影响,如何评价图像质量成为图像处理、计算机视觉领域的一个基本而又富有挑战的问题。

    目前,图像质量评价从方法上可分为主观评价方法和客观评价方法,前者凭借实验人员的主观感知来评价对象的质量;后者依据模型给出的量化指标,模拟人类视觉系统感知机制衡量图像质量。下面,就由英迈吉影像质量评测实验室为大家详细讲解一下这两个图像质量评价方法的区别和特点。

    一、主观评价

    主观质量评分法是图像质量最具代表性的主观评价方法,它通过对观察者的评分归一化来判断图像质量。而主观质量评分法又可以分为绝对评价和相对评价两种类型。

    绝对评价是将图像直接按照视觉感受分级评分,表 1.1 列出了国际上规定的 5 级绝对尺度,包括质量尺度和妨碍尺度。对一般人来讲,多采用质量尺度;对专业人员来讲,则多采用妨碍尺度。

    相对评价是由观察者将一批图像从好到坏进行分类,将它们相互比较得出好坏,并给出相应的评分。相对尺度如表 1.2 所示。

    表 1.2 相对评价尺度与绝对评价尺度对照

    评价的结果可用一定数量的观察者给出的平均分数求得。平均分数按照公式 计算得到:

    ?

    ?NC

    i

    i?1

    K

    K

    i

    i

    ?N

    i?1

    式中,Ci 为图像属于第 i 类的分数,Ni

    为判定该图像属于第i类的观察者人数。

    为了保证图像主观评价在统计上有意义, 参加评分的观察者至少应有 20 名, 其中包括一般观察者和专业人员。

    图像质量的主观评价方法的优点是能够真实的反映图像的直观质量,评价结果可靠,无技术障碍。但是主观评价方法也有很多缺点,如需要对图像进行多次重复实验,无法应用数学模型对其进行描述,从工程应用的角度看,耗时多、费用高,难以实现实时的质量评价。在实际应用中,主观评价结果还会受观察者的知识背景、观测动机、观测环境等因素的影响。此外,主观质量评价无法应用于所有场合,如需要进行实时图像质量评价的领域。

    二、客观评价

    图像质量的客观评测是根据人眼的主观视觉系统建立数学模型,并通过具体的公式计算图像的质量。相比主观评测,客观评价具有可批量处理、结果可重现的特点,不会因为人为的原因而出现偏差。

    一般来说,图像质量客观评价会分成九个评测项目,曝光、清晰度、颜色、质感、噪音、防手抖、闪光灯、对焦和伪像,每一个评测项目往往还会分成好几个评测小项目,如伪像就要测试锐化、畸变、暗角这些项目。通过测试这些项目,通过科学的计算,可以非常直观地看到图像的性能的各个方面的表现有何不足。

    下面,我以我们做的《用数据说话-主流行车记录仪图像质量剖析》报告为例,要做好

    那么这些项目是怎么测的呢?答案是:光源+测试卡+软件。

    众所周知的是,我们之所以能看到物体,那是因为外界物体发出的光或反射物体的光,我们才能看物体。所以,我们在测试图像质量的时候我们就会采用各种各样的灯源模拟各种光照环境,如室外明亮环境、夜晚昏暗环境等等,测试图像在这些光照环境下的表现。

    光源的选择非常多,如日本京立的LV-9500就是最被广泛使用的光源之一,可以被用在相机、单反、手机、行车记录仪等的图像质量测试。

    测试卡的类型和功能也是非常的多,有分辨率测试卡、灰阶测试卡、MTF测试卡等等,根据不同的测试项目选择合适的测试卡。

    测试软件系统比较少,在国际上比较有名的是Imatest和DxO Analysis,两个软件系统相比较,DxO测试的项目更多,结果也会更加稳定一些。

    总结:

    以上就是图像质量评价的两个方法的基本介绍。总的来说,主观评测和客观评测各有利弊,我们评测图像的时候,应该结合两者才不失偏颇,结果也会更加科学。如果你对图像测试感兴趣,请关注我们的后续文章。

    篇三:图像质量质量评价

    图像质量评价综述

    摘要:图像质量评价是图像处理领域的研究热点。本文综合论述了图像质量的主观和客观评价方法,就各自具体的实现方法做了简要的介绍,并分析了各自适用性和存在的问题。最后进而根据发展趋势和应用需求,对图像质量评价方法的进一步发展提出了若干技术与研究方向的展望。

    [关键字]

    图像质量评价 人类视觉系统 结构相似度 全参考评价 部分参考评价 无参考评价

    [abstract]

    Image quality assessment (IQA) is a hot research area in the field of image processing. In this paper, we discuss the subjective and objective assessment methods of image quality, respectively give a brief introduction of their specific implementation method, and analyses the respective applicability and problems. Finally, the further development of the technology and research directions of the future are proposed based on the trends and application requirements.

    [keywords]

    Image Quality Assessment(IQA) Human Visual System(HVS) Structural

    similarity Full Reference(FR)Reduced Reference(RR)No Reference(NR),

    一 .引言

    图像是人类获取信息的重要途径,其所承载的信息远比其它形式的信息更贴切、更丰富。图像质量表示图像向人或设备提供信息的能力,直接关系着所获取信息的充分性与准确性。然而,图像在获取、处理、传输和存储的过程中,由于各种因素的影响,将不可避免的产生图像的降质问题,这给信息获取或图像的后期处理带来了极大的困难。因此,在图像处理的相关领域建立图像质量评价机制具有重大的意义。

    图像质量评价的问题涉及到图像处理技术许多方面,例如压缩、传输、增强、 存储、水印等。一个有效的评价标准可以有如下三种应用:首先,可以在质量控 制系统中检测图像质量。例如图像采集系统利用其来自动调整系统参数,从而获 得最好的图像数据;其次,可以用作衡量图像处理系统和算法的标准。例如有若 干图像降噪和恢复的算法用来提高数码照片的质量时,质量标准便可以用来确定 哪个算法可获得最好的结果;最后,可以嵌入到图像处理系统中来优化系统和参 数设置。例如在视频通信系统中,质量标准既能辅助编码端的预滤波和比特分配

    算法的设计,又能辅助解码端的最优重构、误差消除和后滤波算法的设计。

    图像质量评价从方法上可分为主观评价方法和客观评价方法,前者凭借实验人员的主观感知来评价对象的质量;后者依据模型给出的量化指标,模拟人类视觉系统感知机制衡量图像质量。下文中,我们将分别进行介绍。

    二 .主观质量评价方法

    人是图像的最终接收者,因此,主观质量评价是最为可靠的图像质量评价方法。最常用的方法是平均主观分值法(MOS)和差分主观分值法(DMOS)。

    平均主观分值法(MOS)是通过不同观测者对于图像质量评价得出的主观分值进行平均来得到归一化的分值,用这个分值来表示该图像质量。它一般有五个标准:优,良,中,差,劣。对应这五个标准由两种类型的分值:图像主观绝对分值和图像主观相对分值,主观绝对分值意思是观测者对于图像本身的主观分值,主观相对分值意思是观测者对于图像在一组图像中的相对其它图像的主观分值,如表1和2所示。

    表1 图像主观绝对分值

    表2 图像主观相对分值

    差分主观分值法(DMOS),它是建立在平均主观分值法(MOS)分值基础上,它的计算公式如下:

    di,j=MOSorigial?MOSdistorted

    ′di,j=max di,j ?min?(di,j)di,j?min?(di,j)

    这里,di,j代表观测者对于参考图像和失真图像评分的差异值。最后对di,j′取平均值,可以得到DMOS值。

    主观评价算法也有很大的不足之处。首先,需组织人力对图像质量进行评价,评价结果很容易受到个人主观因素的影响,并且当图像数量巨大时,该方法就更为耗费时间,因此不利于在工程实践中的应用;其次,该方法不能自动实现,不能嵌入实际的图像或视频处理系统中,比如流媒体播放、视频会议等。但是为了

    评测客观图像质量评价算法,仍然需要用到主观评价算法的辅助,所以对于主观评价算法的介绍也是很有必要的。

    三 .客观质量评价方法

    客观质量评价是指使用一个或多个图像的度量指标,建立与图像质量相关的数学模型让计算机自动计算得出图像质量。其目标是客观评价结果与人的主观感受相一致。根据是否对原始图像进行参考及参考的程度,客观质量评价又可分为以下三种类型:

    1)全参考方法(Full Reference,FR),需要完整的原始图像作为评价的参考;

    2)部分参考方法(Reduced Reference,RR),需要原始图像的部分信息作为评价的参考;

    3)无参考方法(No Reference,NR),不需要借助任何参考图像,依靠待评价图像本身各种信息进行质量评价。

    3.1 全参考方法(Full Reference,FR)

    全参考图像质量评价方法需要参考原始图像,经过几十年的发展,已形成较完整的理论体系和成熟的评价框架。待评价图像信号的质量可以通过与原始图像信号相比之后获得的误差信号来进行质量分析。图像质量的下降与误差信号的强弱相关。

    3.1.1 均方差(Mean Squared Error)和峰值信噪比(Peak Signal-Noise Ratio)

    最简单的主观评价方法MSE和PSNR可由下列表达式表示:

    上式中,foriginal(i,j)代表参考图像在空间位置(i,j)的灰度值,fdistorted(i,j)代表失真图像在空间位置的(i,j)的灰度值。

    虽然MSE和PSNR计算形式上非常简单,物理意义理解也很清晰,但是因为它们是基于失真图像和参考图像像素对之间随机误差差异而定义的.本质上没有考虑没有将HVS特性引入到图像质量评价当中来,只是单纯从数学角度来分析差异,与图像的感知质量之间没有必然联系,所以有时候会出现评价结果的不准确性。

    3.1.2 加权均方误差(weighted MSE)与加权峰值信噪比(weighted PSNR)

    结合人眼的视觉特性,对传统图像质量客观评价算法MSE、PSNR进行加权处理,得到了加权均方差(wMSE)评价方法与加权峰值信噪比(wPSNR)

    评价方法,

    以达到在评价方法中融入HVS特性的目的。

    加权均方差的总体实现过程为:首先对经二维离散傅立叶变换的原图像和目标图像频谱,依据HVS分别予以子带分割.并对获取的系列子带频谱进行二维傅立叶反变换,建立相应的原图像和目标图像的子带图像系列;然后分别计算逐个子带图像对应的MSE值,并依据各子带视觉加权系数Wi进行加权处理;经过wMSE的阈值判决,最终得出该图像质量的评价等级。加权信噪比的主要思想为:首先将原始载体图像划分为区;分别对图像不同区域的象素设定不同的加权系数;计算原始图像和待测图像的误差,整幅图像的加权均方根误差wMsE为;

    wMSE=′1???121/2 ??? ??,?? ??? ??,?? )]??=0 ??=0?? x,y [(??

    其中w(x,y)表示在(x,y)处的象素所属区域的加权系数;最后计算加权峰值信噪比wPSNR:

    2wPSNR=10*lg(????????/????SE2)。

    通常,对于灰度图像有:????????=255。

    wMSE和wPSNR方法使得客观评价方法与主观感觉达到一定程度的统一,但是所带来的问题是计算复杂度提高。

    3.1.3 基于人眼视觉系统(Human Visual System,HVS)的结构相似度方法

    HVS模型的主要特性包括视觉非线性、多通道、对比敏感度带通、掩盖效应、多通道间不同激励的相互作用以及视觉心理特征,可以简化描述为如下一系列过程。

    图1 人类视觉模型

    其中非线性、多通道、对比敏感度带通和掩盖效应特性研究较多,已有相应的计算模型。而多通道间不同激励的相互作用和视觉心理特征还无法根据生理特性得到精确的计算模型。

    自然图像具有特定的结构,像素间有很强的从属关系,这些从属关系反映了视觉场景中的结构信息。由此,Wang 等人提出了基于结构失真的图像质量评价方法,称为结构相似度 (SSIM)方法,流程可用下图表示。

    图2 结构相似法(SSIM)方法框图

    该方法认为光照对于物体结构是独立的,而光照改变主要来源于亮度和对比度;所以它将亮度和对比度从图像的结构信息中分离出来,并结合结构信息对图像质量进行评价。该类方法在某种程度上绕开了自然图像内容的复杂性及多通道去相关问题,直接评价图像信号的结构相似性。

    该方法的出发点是要有效模仿人眼提取视觉场景中结构信息的能力,评价结构信息与人眼主观感知非常接近。因此,采用结构相似性可提供与人眼主观感知图像失真非常接近的一种客观评价。SSIM 评价方法通过测量图像结构信息的改变来反映图像质量的失真情况,实现复杂度较低,应用性较强;但同时也屏蔽掉了HVS的其它生理特征,评价过程不易于解析。

    3.2 部分参考方法(Reduced Reference,RR)

    部分参考评价方法只需提取部分原始图像数据用于评价,相对于全参考评价方法,这种方法灵活性强,适用范围广泛,具有传输数据量小,可靠性高等特点,受到了越来越多人的关注,更具研究价值。

    如图3为一个部分参考弄图像质量评价模型。

    图3 一个部分参考弄图像质量评价模型

    在这个模型中,发送端有一个特征提取过程,所提取的特征一般数据量远远小于原始图像数据,并通过辅助通道传输到接收端。辅助通道通常认为是没有误

    差的,虽然实际上做不到绝对没有误差,但相对于原始图像,特征数据量少,其


    图像质量评价软件》由:创业找项目整理
    链接地址:http://www.gjknj.com/duwu/2936.html
    转载请保留,谢谢!
  • 下一篇:教学质量评价软件