CN102378041B - 一种图像质量检测方法及装置 - Google Patents

Abstract

本发明公开了一种图像质量检测方法及装置，本发明对于图像质量的误检率低，不仅可以检测整体图像的质量，而且能够检测到图像局部的质量，并且对于一些可疑的图像部位，进行进一步的细节检测，包括边缘的提取和边缘的相关度运算，从而能够提供更多、更客观的信息给应用来判断图像的质量，提高了图像质量判断的准确性。

Description

一种图像质量检测方法及装置

技术领域

本发明涉及多媒体技术领域，具体而言，涉及一种图像质量检测方法及装置。

背景技术

图像在传输的过程中，在经过多媒体设备之后，因为图像编解码操作以及图像处理操作(例如：图像去噪处理、图像加强处理等)，得到的图像与原图像之间存在着差别，使得得到的图像质量较源图像会出现下降，而且在整体或者局部可能出现花屏、黑屏，以及色变等问题。因此，在多媒体数据传输过程中，需要准确监控到视频流中图像的质量，包括整体图像的质量以及局部图像的质量，从而以供评估多媒体设备的质量。

现有的图像质量检测装置，大都只评价整体图像的质量，对于图像局部细节，如颜色失真、花屏等，关心较少。例如，公开号为CN1885947的中国专利公开了一种基于数字水印的多媒体视频通信客观质量评价方法，在该专利文献中，涉及了多媒体视频和静止图像通信客观质量评价方法，使得在保证多媒体视频数据本身质量不受明显影响的前提下，通过数字水印的嵌入和提取，客观反映和评价多媒体视频通信质量。该专利文献中，将多媒体视频数据每帧均匀分块然后逐块嵌入水印数据来实现完全均匀的水印分布；将多媒体视频数据多帧分组，并将水印均匀等间隔地嵌入到每组的部分帧中以进一步减少水印对数据的影响；将水印信息直接均匀嵌入到多媒体原始视频数据的空间域中；用恢复水印与原始水印对比的正确率来线性拟合多媒体视频数据的PSNR(PeakSignaltoNoiseRatio，峰值信噪比)，作为多媒体视频通信质量的评价标准；通过在水印提取后对视频图像进行平滑滤波等后处理，来消除水印对多媒体视频数据质量的影响。

然而，上述专利文献是简单的采用PSNR算法，仅能对图像的整体质量进行检测，而无法检测到图像的局部质量问题。例如图像局部的颜色失真、花屏等。

现实中，在图像的整体质量不错的情况下，而局部可能出现花屏、色变、蓝屏等质量问题。所以仅从整体上评价图像的质量，不能客观的反应图像真实的质量，从而在图像质量检测过程中漏检掉一些局部出项问题的图像。

发明内容

本发明的目的在于提供一种图像质量检测方法及装置，该发明易实现，并且对于图像质量的误检率较低，不仅可以整体评价图像的质量，而且能够反应图像的局部质量和细节，可以客观实时的评价图像的质量。

为了达到本发明的目的，本发明采用以下技术方案：

一种图像质量检测方法，包括：

A、将原始图像嵌入识别标识后输送至对象多媒体设备；

B、对从所述对象多媒体设备获取的图像依据所述识别标志获取与原始图像对应的处理图像；

C、将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；

D、将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；

E、将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；

F、根据所述第一评价元素以及第二评价元素评估处理图像质量。

优选地，在所述步骤F中，还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。

优选地，在所述步骤C中，依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

$\mathrm{PSNR}=10\×\log \left(\frac{255\×255}{\mathrm{MSE}}\right);$

其中，

$\mathrm{MSE}=\frac{1}{m\×n}\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{n-1}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2;$

其中，m为图像块高度，n图像块宽度，I(i，j)为原始图像中图像块所处位置坐标(I，j)处像素值，K(i，j)为处理图像中图像块所处位置坐标(I，j)处像素值。

优选地，在所述步骤E中，所述边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法、kirsch边缘检测算法。

优选地，在所述步骤A中，所述识别标识为校正条纹。

更为优选地，在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。

一种图像质量检测装置，包括：

识别标识嵌入模块，用于将获得的原始图像嵌入识别标识后，输送至对象多媒体设备；

图像接收模块，用于对从所述对象多媒体设备获取的图像依据所述识别标志获取与原始图像对应的处理图像；

图像检测模块，用于将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；用于将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；用于将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；用于根据所述第一评价元素以及第二评价元素评估处理图像质量。

优选地，所述图像检测模块还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。

优选地，所述图像检测模块依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

$\mathrm{PSNR}=10\×\log \left(\frac{255\×255}{\mathrm{MSE}}\right);$

其中，

$\mathrm{MSE}=\frac{1}{m\×n}\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{n-1}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2;$

其中，m为图像块高度，n图像块宽度，I(i，j)为原始图像中图像块所处位置坐标(I，j)处像素值，K(i，j)为处理图像中图像块所处位置坐标(I，j)处像素值。

优选地，所述边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法、kirsch边缘检测算法。

优选地，识别标识嵌入模块对获得的原始图像嵌入的识别标识为校正条纹。

更为优选地，在识别标识嵌入模块在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。

通过以上本发明的技术方案可以看出，采用本发明，对于图像质量的误检率低，不仅可以检测整体图像的质量，而且能够检测到图像局部的质量，并且对于一些可疑的图像部位，进行进一步的细节检测，包括边缘的提取和边缘的相关度运算，从而能够提供更多、更客观的信息给应用来判断图像的质量，提高了图像质量判断的准确性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例提供的图像质量检测方法流程示意图；

图2是本发明实施例提供的图像质量检测装置结构示意图；

图3是本发明实施例提供的帧序号与校正条纹之间的映射示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供的一种图像质量检测方法，包括如下步骤：

S100、将原始图像嵌入识别标识后输送至对象多媒体设备；

S101、对从所述对象多媒体设备获取的图像依据所述识别标志获取与原始图像对应的处理图像；

S102、将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；

S103、将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；

S104、将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；

S105、根据所述第一评价元素以及第二评价元素评估处理图像质量。

在所述步骤S100中，所述识别标识为校正条纹。更为优选地实施方式下，在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。

在所述步骤S102中，将所述原始图像与处理图像一致的分成多个图像块，例如划分为N个长为W、高为H的小块，对于边缘区域块，如果长不够W或高不够H的，按剩余长度或高度处理，进而划分为一个独立的小块。

依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

$\mathrm{PSNR}=10\×\log \left(\frac{255\×255}{\mathrm{MSE}}\right);$

其中，

$\mathrm{MSE}=\frac{1}{m\×n}\underset{i=0}{\overset{m-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{n-1}{\mathrm{\Σ}}}{(I(i,j)-K(i,j))}^2;$

其中，m为图像块高度，n图像块宽度，I(i，j)为原始图像中图像块所处位置坐标(I，j)处像素值，K(i，j)为处理图像中图像块所处位置坐标(I，j)处像素值。

优选地，在所述步骤S104中，边缘是指图像局部变化最显著的部分，可以反应图像的轮廓，边缘检测的相关度运算可以用于反应局部图像的轮廓的保留程度，相关度位于0和1之间，相关度越大，则处理后的处理图像与院士图像之间的相关度越大。

其中，可以通过下述公式，描述相关度运算的计算方法：

A＝<X，Y>/(|X|*|Y|)

其中，A为相关度运算结果，X、Y为矢量表达式，<X，Y>为矢量X与矢量Y的内积，|X|为矢量X的模，|Y|为矢量Y的模。

另外，所述边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法、kirsch边缘检测算法。

在所述步骤S105中，还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。进而把图像的整体峰值信噪比、峰值信噪比排名靠后的图像块的位置及其峰值信噪比，以及边缘检测的相关运算结果提供给应用，进而用于评估图像的质量。

如图2所示，本发明提供了一种图像质量检测装置，所述装置包括：

识别标识嵌入模块20，用于将获得的原始图像嵌入识别标识后，输送至对象多媒体设备30；

图像接收模块40，用于对从所述对象多媒体设备30获取的图像依据所述识别标志获取与原始图像对应的处理图像；

图像检测模块50，用于将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；用于将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；用于将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；用于根据所述第一评价元素以及第二评价元素评估处理图像质量。

优选实施方式下，所述识别标识嵌入模块20从原始图像输出模块10获取原始图像，并对获得的原始图像嵌入的识别标识为校正条纹。更为优选地，在识别标识嵌入模块20在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。

所述图像检测模块50还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。

所述图像检测模块50依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

$\mathrm{PSNR}=10\&times;\log \left(\frac{255\&times;255}{\mathrm{MSE}}\right);$

其中，

$\mathrm{MSE}=\frac{1}{m\&times;n}\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{(I(i,j)-K(i,j))}^2;$

其中，m为图像块高度，n图像块宽度，I(i，j)为原始图像中图像块所处位置坐标(I，j)处像素值，K(i，j)为处理图像中图像块所处位置坐标(I，j)处像素值。

在所述图像检测模块50对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理的过程中，所述边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法、kirsch边缘检测算法。

下面将结合一具体实施例来说明本发明提供的图像质量检测方法的发明内容。在该实施例中，原始图像格式为CIF，划分图像块的高度m取为3(此处为经验值)，下面结合图1对本发明提供的该方法进行说明，本发明提供的图像质量检测装置包含三个模块，参照图2，分别为：识别标识嵌入模块20、图像接收模块40，以及图像检测模块50。

1、对于识别标识嵌入模块20

首先在原始图像需要嵌入识别标识的位置嵌入底色，底色与嵌入标识有很大差别，以助于提高识别率。加入底色之后，然后获取需要嵌入的校正条纹。该校正条纹在一定周期内与帧序号Seq一一对应，如图3所示，嵌入时即根据该标志生成对应的校正条纹以嵌入原始图像中。

2、图像接收模块40

在进行提取操作时，使用绝对误差和SAD(sumofabsolutedifferent)作为校正条纹区域为“0”、“1”还是“普通图像”的标准，若为普通图像，则丢弃该帧，进行下一帧的处理，否则使用提取值查找嵌入标志表，找到与该项对应的表格下标(即数组下标)，进入帧匹配环节。

3、图像检测模块50

图像检测模块50主要完成图像的识别以及图像的检测，主要有如下六步：

(1)对于输入的CIF格式的原始图像，长为352，宽为288，进行分块，分成99个长宽均为32的图像小块。

(2)计算每一小块图像的PSNR值，并相加得到整体图像的PSNR值；

(3)排序得到PSNR值后3位的图像小块信息，包括图像块的位置和PSNR值；

(4)对于排名后M位的图像块，进行边缘检测；

(5)对边缘检测检测的结果，进行相关度运算；

(6)检测结果输出，包括整个图像PSNR值，PSNR值后3位的图像块的位置和PSNR值和相关运算的结果。

上述说明示出并描述了本发明的一个优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (12)

1.一种图像质量检测方法，其特征在于，包括：

将原始图像嵌入识别标识后输送至对象多媒体设备；

对从所述对象多媒体设备获取的图像依据所述识别标识获取与原始图像对应的处理图像；

将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；

将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；

将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；

根据所述第一评价元素以及第二评价元素评估处理图像质量。

2.如权利要求1所述的图像质量检测方法，其特征在于，在所述根据所述第一评价元素以及第二评价元素评估处理图像质量中，还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。

3.如权利要求1所述的图像质量检测方法，其特征在于，在所述将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比中，依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

其中，

其中，m为图像块高度，n为图像块宽度，I(i,j)为原始图像中图像块所处位置坐标(i,j)处像素值，K(i,j)为处理图像中图像块所处位置坐标(i,j)处像素值。

4.如权利要求1所述的图像质量检测方法，其特征在于，在所述将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素中，边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法或kirsch边缘检测算法。

5.如权利要求1所述的图像质量检测方法，其特征在于，在所述将原始图像嵌入识别标识后输送至对象多媒体设备中，所述识别标识为校正条纹。

6.如权利要求5所述的图像质量检测方法，其特征在于，在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。

7.一种图像质量检测装置，其特征在于，包括：

识别标识嵌入模块，用于将获得的原始图像嵌入识别标识后，输送至对象多媒体设备；

图像接收模块，用于对从所述对象多媒体设备获取的图像依据所述识别标识获取与原始图像对应的处理图像；

图像检测模块，用于将所述原始图像与处理图像一致的分成多个图像块，并计算原始图像与处理图像所述多个图像块的峰值信噪比；用于将所述多个图像块的峰值信噪比相加，获取用以评价处理图像整体质量的第一评价元素；用于将所述多个图像块的峰值信噪比按降序排序，对排名靠后的原始图像与处理图像的图像块分别进行边缘检测处理，并依据边缘检测的结果，对原始图像与处理图像进行相关度运算，并依据所述相关度运算的结果获取用以评价处理图像整体质量的第二评价元素；用于根据所述第一评价元素以及第二评价元素评估处理图像质量。

8.如权利要求7所述的图像质量检测装置，其特征在于，所述图像检测模块还根据峰值信噪比排名靠后的图像块在原始图像或处理图像中的位置以及其相应的峰值信噪比评估处理图像质量。

9.如权利要求7所述的图像质量检测装置，其特征在于，所述图像检测模块依照如下数学式计算原始图像与处理图像所述多个图像块的峰值信噪比PSNR：

其中，

其中，m为图像块高度，n为图像块宽度，I(i,j)为原始图像中图像块所处位置坐标(i,j)处像素值，K(i,j)为处理图像中图像块所处位置坐标(i,j)处像素值。

10.如权利要求7所述的图像质量检测装置，其特征在于，所述边缘检测处理算法采用canny边缘检测算法、sobel边缘检测算法、robert边缘检测算法、prewite边缘检测算法或kirsch边缘检测算法。

11.如权利要求7所述的图像质量检测装置，其特征在于，识别标识嵌入模块对获得的原始图像嵌入的识别标识为校正条纹。

12.如权利要求11所述的图像质量检测装置，其特征在于，在识别标识嵌入模块在原始图像对应的位置嵌入所述校正条纹之前，先在所述位置嵌入用于增强校正条纹识别率的底色。