基于contourlet变换的多尺度图像质量评价

提出了一种基于contourlet变换的多尺度图像质量评价方法.通过将参考图像与待测图像变换到YUV(YCr Cb)彩色空间,并使用其亮度分量,在contourlet域进行多尺度多方向分解获取不同尺度的图像特征.同时,结合视觉感知(JND),合并人眼无法区分的特征,根据合并后的对应子带特征计算了区域互信息(RMI),得到了对应子带特征的相似性;使用对比敏感函数(CSF)对不同子带相似性加权,得到了图像的最终评价指标.对LIVE(laboratory for imagevideo engineering)库中5种失真类型的982幅图像验证该算法,得到斯皮尔曼等级相关系数(SROCC)值为0.960 3,线性相关系数(CC)值为0.969 6,均方根误差(RMSE)值为5.658 4.实验结果表明,该评价方法能很好地对各种失真类型的图像进行评价,比峰值信噪比(PSNR)和结构相似性(SSIM)等算法的主客观一致性更好,更加符合人眼的视觉特性.