文章 A Patch-Structure Representation Method for Quality Assessment of Contrast Changed Images

一种用于对比度变化图像质量评价的贴片结构表示方法

本文提出了一种新的基于局部补丁的客观质量评估方法，采用局部贴片的自适应表示，即将任何图像块分解为其平均强度、信号强度和信号结构分量，然后用不同的方式评估它们的感知失真。现有的方法依赖于全局统计来估计对比度质量。与现有的对比度质量模型不同的一个独特的特征是能够生成一个局部对比度质量图，该图可以预测空间上的局部质量变化，并可用于指导对比度增强算法。基于四个公开数据库的验证表明，基于补丁的对比质量指数(PCQI)方法能够准确预测人类对对比度变化的感知。

1.原理
提出了一种基于补丁的方法，而不是依赖于全局统计.具体而言，我们以一种独特和自适应的方式将任何图像块表示为三个概念上独立的分量：平均强度、信号强度和信号结构。希望从平均强度和信号强度中分离结构表示，从而可以分别测量它们的失真。所提出的方法不仅预测测试图像的总体对比度质量，而且还产生指示空间上的局部质量变化的质量图。
给定一个局部图像片X，其被表示为N维矢量，我们将其分解

其中表示向量的l2范数，是局部补丁的平均强度。X现在被表示为两个单位长度矢量的线性组合，每个相关系数


每个源图像块x可以由三个分量，Cx1和Cx2单位长度向量v2分别表示平均强度、信号强度和信号结构。这个表示还给出了图像补丁空间中的一个新的坐标系，其中任何新的补丁y都可以写成

r是垂直于V1和v2的残差信号。
现在假设x和y分别是原始图像X和测试图像Y中的一对共存的补丁。基于人类视觉感知高度适应于从自然场景中提取结构信息的思想[6]，对比变化的特征是信号强度沿V2方向的尺度变化，特别是我们定义了

当剩余向量r=0时，没有结构失真。换句话说，结构失真是由相对强度决定的，特别是如何使测试信号结构离开v2。要捕获此信息，我们定义了

这样,根据(1)中信号分解的原理，通过信号强度和信号结构的变化来量化X和Y之间的差。
为了比较平均强度，我们基于Cx1和Cy1之间的绝对差应用指数函数

最后，将（6）、（7）和（8）中定义的三种比较结合在一起，产生一个基于贴片的对比度图像质量指数，由PCQI表示，

PCQI的一个显著优点是当它被应用到图像上的局部补丁时,创建空间变化的质量映射,其提供关于跨越空间的本地质量变化的有用信息。每个补丁的本地PCQI是平均的，以提供整个图像的一个分数

其中M是贴片的总数。值得注意的是，当X=Y时，PCQI完全是统一的。另一方面，PCQI(X,Y)=1并不意味着X=Y。一种可能的情况是对比度增强，同时引入某些结构或平均强度畸变。在这种情况下，PCQI值表示对比度增强和结构/平均强度失真之间的折中。
2.实例
图2和图3示出了对比度增强图像的两个示例及其对应的PCQI映射(其中更亮表示更好的质量)和表示质量下降(PCQI<1)而不是增强的空间位置的二进制映射。

图2.对比增强图像及其相应的PCQI和二元退化图。(a)原始图像。(b)对比度增强图像。©PCQI图谱（较亮表明PCQI值更高）。(d)局部二元质量退化图(黑色指示PCQI<1)。
图2(B)中的增强图像在感知上比图2(A)中的原始图像更有吸引力，但是严格的观察者可能会发现图像的某些部分被过度增强(例如灯塔最明亮的区域)，导致结构细节的丢失。可以看出，图2©中的PCQI图成功地捕捉到了这种质量退化。

图3.对比度增强图像及其对应的PCQI和二进制退化映射。(A)原始图像。(B)增强图像。©PCQI图(较亮表示PCQI值较高)。(D)当地二进制质量退化图(黑色表示PCQI<1)。
在图3(B)中，图像中的许多细节都得到了很强的增强，但同时也产生了一些人工伪影，特别是在物体边缘附近。同样，图3©中的PCQI图成功地检测到了这些有问题的区域。这些例子展示了利用PCQI图指导图像增强算法设计和优化的潜力。
3.实验

表一基于四个图像数据的SRCC和PLCC性能评估。

表I显示了这四个数据库的测试结果，其中提议的PCQI方法明显优于TID 2008、TID 2013和CID 2013数据库的最新质量评估算法，是CSIQ数据库中最好的方法之一。在表I的最右端对四个数据库的平均性能进行了总结，证明了所提出的PCQI方法的优越性能。

我们根据[17]中的方法进行了基于方差的假设测试的统计学显著性分析，其中，假设DMOS与来自目标IQA算法的预测得分之间的残余差遵循高斯分布，因此采用F统计来比较两组采样点的方差。
表II基于IQA-DMOS残差的统计显着性矩阵

统计显著性矩阵在表II中给出，其中每个条目由四个字符组成分别按照TID2008、TID2013、CID2013和国家质检总局的顺序与试验数据库对应。符号“-”表示行和列IQA模型在统计上是不可区分的，“1”表示该行的IQA方法在统计上优于列的IQA方法，并且“0”表示该列的IQA方法优于该行的IQA方法。可以观察到，在大多数情况下，PCQI模型在统计学上优于现有的FRIQA算法和其他对比度质量模型。

表III显示了不同IQA方法的运行时间。具体来说，我们在TID2008数据库上运行了十种IQA方法。所有算法都运行在英特尔酷睿i7-4770CPU@3.4GHz和8GRAM的计算机上。
用于运行所有算法的软件平台为MATLABR2014…计算平均运行时间。可以看出，该方法的计算复杂度在最先进的IQA算法中是最低的。

文章链接: link.
论文Wang S, Ma K, Yeganeh H, et al. A patch-structure representation method for quality assessment of contrast changed images[J]. IEEE Signal Processing Letters, 2015, 22(12): 2387-2390.