版权声明：未经本人许可，不得用于商业用途及传统媒体。转载请注明出处! https://blog.csdn.net/qikaihuting/article/details/84298966
No-reference blur assessment based on edge modeling
摘要
- 本文展示一种客观的无参考模糊度量算法，基于边缘模型的模糊度量，Blur metric based on edge modeling(EMBM)。对边缘的每一个像素的宽度和对比度进行描述和估计，从而给出该像素的模糊概率；另外，利用显著性边缘像素模仿HVS的模糊评价；最后，使用CPBD来获得模糊质量得分。
相关概念
前言
- 图像和视频处理领域通常用于处理人类交流使用的信号，例如互联网上的图像或视频。图像或视频在呈现给人类观察者之前，可能要经过许多阶段的处理，而每个阶段的处理可能会引入失真，从而降低最终显示的质量。
- 例如，图像和视频是由摄像机设备获取的，这些设备可能会由于光学、传感器噪声、颜色校准、曝光控制、摄像机运动等导致图像信息的失真。
- 在采集之后，图像或视频可能会被压缩算法进一步处理，从而降低存储或传输的带宽要求。压缩算法通常被设计为通过允许信号发生某些失真来节省带宽。类似地，当图像通过通道传输或(很少)存储时发生的位错误也会导致失真。最后，用于呈现最终输出的显示设备可能会引入一些自己的失真，例如低再现分辨率、糟糕的校准等。每个阶段可能增加的失真量主要取决于设备的经济性和/或物理限制。
- 通常测量在不同阶段引入的失真来衡量图像或视频的质量。一个常规明确的方法是征求人类观察者的意见。然而,由于主观人类的判断只能离线地进行,无法将质量评价算法嵌入到产品算法中。
- 客观图像质量评价研究的目标是开发能够自动预测感知图像质量的定量方法。一般来说，一个客观的图像质量指标可以在广泛的应用中发挥重要的作用，如图像采集、压缩、通信、显示、打印、恢复、增强、分析和水印。
- 首先，它可以用于动态监控和调整图像质量。
- 其次，它可以用来优化图像处理系统的算法和参数设置。
- 最后，它可以用来基准的图像处理系统和算法。
总结
- 简而言之，客观的质量测量(相对于人类观察者的主观质量评估)试图通过算法来确定图像或视频的质量。客观质量评估(QA)研究的目标是设计出质量预测与人类观察者主观评分一致的算法。
- 图像和视频质量保证算法可以分为三个大类:
- 全参考(FR) QA方法，其中QA算法可以访问图像或视频的“完美版本”，并与“失真版本”进行比较。“完美版本”通常来自于高质量的采集设备，在它被压缩工件和传输错误扭曲之前。但是，参考图像或视频通常比失真版本需要更多的资源，因此FR QA通常只是作为一种工具来设计用于实验室测试的图像和视频处理算法，不能部署为应用程序。
- 无参考(NR) QA方法，其中QA算法只能访问失真的信号，并且必须在不知道“完美版本”的情况下估计信号的质量。由于NR方法不需要任何参考信息，它们可以用于任何需要质量度量的应用程序。然而，这种灵活性的代价在于算法能够做出准确的质量预测，或者NR QA算法的范围有限(比如只针对JPEG图像的NR QA)。
- 半参考(RR) QA方法，其中有关于“完美版本”的部分信息可用。存在一个侧通道(称为RR通道)，通过该通道可以向QA算法提供关于引用的一些信息。RR QA算法利用这部分参考信息来判断失真信号的质量。
- 参考地址：http://live.ece.utexas.edu/research/Quality/intro.htm
算法思想
-
模糊是由于在图像拍摄过程中非理想的成像位置或者在图像后处理过程中不合适的滤波器和压缩机制导致的。Blurring is mostly caused by the unideal imaging situation during acquisition process or the inappropriate filtering/compression during postprocessing process
-
JNB and CPBD的缺点
- 1.逐像素的求边缘宽度，耗时长；
- 逐块计算，每一个block的对比度固定不变，缺乏客观；
- CPBD and JNBM 不能筛选显著性边缘。cannot pick out the salient edges that grab most attention from human perception for blur assessment.
- 通过阈值筛选smooth blocks模块是不合理的；
- 只能检测水平方向边缘，垂直方向边缘无法检测。
-
边缘像素宽度：the width of each edge pixel is obtained in pixel level by counting the number of pixels with increasing grayscale values from one side and the number of pixels with decreasing grayscale values from the other side. With edge width
边缘模型
- 在数字图像中，边缘是指图像局部变化最显著的部分，边缘主要存在于目标与目标，目标与背景之间，是图像局部特性的不连续性，如灰度的突变、纹理结构的图标、颜色的图标等。
-
边缘描述：
-
对平滑后的图像进行类似canny算法的边缘检测，边缘模型表示如下：
清晰度度量
-
在求得图像的边缘宽度和对比度之后，根据JNB和CPBD思想，确定边缘模糊宽度的值，即W_JNB.
-
最后更据公式得出图像清晰度得分。
参考文献
- http://live.ece.utexas.edu/research/Quality
- A No-Reference Objective Image Sharpness Metric Based on the Notion of Just Noticeable Blur (JNB)
- A No-Reference Image Blur Metric Based on the Cumulative Probability of Blur Detection (CPBD)
- No-reference blur assessment based on edge modeling
- 相关的开源matlab代码：百度云地址，密码：z91u
欢迎讨论交流！