基于非下采样Contourlet变换的无参考图像质量评价#李任，李朝锋**510（江南大学物联网工程学院，无锡214122）摘要：为了度量不同失真类型的图像质量，提出了一种基于非下采样Contourlet变换和广义回归神经网络的无参考图像质量评价方法。该方法首先对原始图像进行三层非下采样Contourlet分解，然后计算各个子带的能量，最后利用广义回归神经网络建立图像子带能量与图像质量之间的关系模型。实验结果表明，本文提出的方法和主观感知结果具有较好的一致性。关键词：无参考图像质量评价；非下采样Contourle变换（NSCT）；能量；广义回归神经网络（GRNN）中图分类号：TP39115LearningaBlindMeasurementofImageQualitybyFeaturefromNonsubsampledContourletTransformLIRen,LIChaofeng(IoTEngineeringSchool,JiangnanUinversity,Wuxi214122)20253035Abstract:Toestimatearangeofimagedistortions，anovelno-referenceimagequalityassessmentmethodwasproposedbasedonthenonsubsampledContourlettransformandgeneralregressionneuralnetwork(GRNN).Firstly,weapplythree-layernonsubsampledcontourletdecompositiontotheoriginalimage,andthencalculatetheenergyofeachsub-band,andlastlyestablishtherelationshipbetweentheenergyofeachsub-bandandimagequalitybyGRNN.Experimentalresultsshowthatourmethodhighlycorrelateswithhumanperceptionandcanbeappliedtodifferentdistortions.Keywords:no-referenceimagequalityassessment；nonsubsampledcontourlettransform（NSCT）;energy;generalregressionneuralnetwork(GRNN)0引言随着多媒体技术的快速发展，图像视频作为一个重要的信息载体，已经深入到人们学习生活工作的方方面面。数字图像的信息传播效果很大程度上取决于图像本身质量的优劣好坏，因此评价数字图像质量就具有十分重要的意义[1]。图像质量的评价方法分为主观和客观评价。其中主观图像质量评价方法是最为可靠的度量方法，但主观方法费时费力且不易于嵌入到自动化系统中，所以目前研究的重点是客观图像质量评价方法。客观评价方法又分为全参考评价，部分参考评价和无参考评价。在实际应用中，很多情况下，一般无法获得、或者难以获得参考图像进行分析对比，此时无参考图像质量评价就显得必不可少。根据目前相关文献提出的无参考图像质量评价方法，大体可分为两类：(1)针对特定单一失真类型的算法：如WangZhou等人提出的一种针对JPEG压缩图像的无参考质量评价方基金项目：国家自然科学基金（61170120）；江苏省自然科学基金（BK2011147）；教育部新世纪优秀人才计划（NCET-12-0881)作者简介：李任（1989-），女，硕士研究生，主要研究方向：图像处理与模式识别通信联系人：李朝锋（1970-），男，副教授，主要研究方向：图像处理与模式识别.E-mail:wxlichaofeng@126.com-1-4045505560法[2]；Sheikh等人提出的利用自然场景统计模型的针对JPEG2000压缩图像质量评价方法[3]；ZhijunPei等人提出的一种用均值滤波方法对图像噪声进行评估的方法[4]和ChaofengLi等人提出的基于模糊比较的无参考模糊图像质量评价方法[5]。(2)针对多种失真类型的算法：该类方法利用统计模型或机器学习的方法，可以对多种蚀变类型进行无参考图像质量评价。如LuWen等提出一种基于Contourlet域统计联合直方图的方法评价多种失真类型[6]；楼斌等提出基于NSS与HVS的Contourlet域线性预测方法[7]；A.K.Moorthy等提出一种先判别失真类型，然后融合加权多个失真模型的评价结果得到图像质量得分[8]；ChaofengLi等先计算原始待测图像和其相位一致图像的均值、熵、梯度特征，然后利用广义回归神经网络模型预测图像质量评价得分[9]。很显然，现实中第二类方法有更广的应用价值，但现有文献相关算法与主观感知一致性需要提高或有些算法的复杂性有待降低。本文提出一种基于非下采样轮廓波变换(NSCT)和广义回归神经网络的无参考图像质量评价方法。该方法根据失真会破坏自然图像统计特征这一特性，先通过NSCT变换得到图像各个子带的能量分布，然后通过广义回归神经网络GRNN训练建立图像质量评价模型。我们的实验证明该...