任青

摘要：针对x射线图像质量评价问题，研究了HVS（入眼系统）及小波多分辨率，在此基础上提出一种基于两者相似性的图像质量评价方法。通过对不同管电压作用下产生的x射线图像感兴趣区域进行评价处理，将评价结果与主观评价法、传统客观图像质量评价方法作对比，结果显示，所提出的图像质量评价方法，其结果更接近人眼视觉评价结果。

关键词：HVS；小波多分辨率；x射线图像；图像质量评价

中图分类号：TP391.41

文献标志码：A

文章编号：1006-8228（2017）01-01-03

0.引言

成像图像的质量评价对图像处理与成像技术发展有着极其重要的作用，吸引了越来越多国内外学者的关注，目前已出现了大量图像质量评价方法，评价方式各异，评价对象也有所不同。现有的图像质量评价方法大致可以分为两大类：主观评价法和客观评价法。

在实际应用中，人眼是图像接收处理的终端，评价的结果必须符合人类视觉系统的特性，所以，主观评价法是最有说服力的方法。但主观评价法太费时费力，成本较高且不可用数学模型描述，因此，现阶段国内外研究的重点是：设计与人眼主观观察结果具有良好相关性的客观图像质量评价方法。

医用x射线诊断，因其曝光时间短、空间分辨率高，而且图像中包含了巨大的信息量，故仍是临床普及度最广的医学影像检查手段，尤其在骨骼、胃肠、血管及乳腺等检查方面，对于x射线图像处理及成像技术研究仍具有现实意义。

1.小波多分辨率和HVS特性的相似性

小波多分辨率分析理论，亦称多尺度分析，1989年由Mallat提出。在各个不同的尺度或分辨率中信号会包含不同的特性，随着尺度由大到小变化，在各尺度上可以由粗糙到精细地观察目标此即为多尺度思想。低分辨率反映图像大的结构信息，高分辨率反映图像细节信息。采用多分辨率分析的方法，可以对不同结构信息单独处理，提取图像在各个分辨率下的细节信息，最终得到一个在不同分辨率下的图像细节序列，即将图像分解到在对数尺度上具有相等带宽的不同频带上进行分析处理。

从视神经通路来看，各种视网膜神经细胞、神经纤维、外测膝状体和部分视皮层细胞组成了一个低通和视觉多个不同带宽的高通滤波器组，视网膜图像在某一阶段被分解成一个低频成分和不同频带的高频成分。实验结果表明，这些带通滤波器的带宽约在一个倍频程左右，也就是说视网膜图像被分解为在对数尺度上有大致相等带宽的频带上。而且，研究表明这些滤波器是各向异性的，所以人眼对各个方向的敏感程度是不一致的，其中，对水平方向和垂直方向的信息最敏感，对角线方向最不敏感。可见，计算机视觉的多分辨率分析方法与人眼视觉系统信息处理的多通道滤波机制相似。

对原始图像进行三级小波多分辨分解，在一系列按倍频程划分的频带上被分解为一个低频分量和多个高频分量，图像的每一级小波分解都是将上一级的低频分量划分为更精细的频带。对一幅图像来说，可认为小波图像的各个高频成分是图像中边缘等细节信息的体现，且各个高频带所表示细节信息呈现各向异性。其中，LL子带是图像的近似表示，HL子带表示图像水平方向边缘细节，LH子带表示图像垂直方向边缘细节，HH子带表示图像对角方向边缘细节。可见，图像的小波的多分辨率分解还具有良好的空间方向选择性，与人眼视觉特性十分相似，因此，我们可利用图像的小波多分辨率分解与HVS相类似的特性，将其应用到图像质量评价中。

2.具体算法步骤

基于上述分析，结合人眼视觉特性，本文建立了一种简单有效的无参考质量评价方法。其具体步骤如下。

（1）小波分解：对待评价图像进行小波分解（这里选用“sym8”小波），分解级数为5级，因为研究表明5-6级的小波分解最符合人眼视觉特性。图像分解后可得到六个频带，除了第六频带只有一个低频分量外，其他的五个频带各有三个高频分量，分别为水平、垂直和对角线分量。

（2）计算图像质量评价参数值：x射线图像质量是由对比度、清晰度、噪声、伪影及畸变等多种因素综合体现出来的。本文主要通过对比度和清晰度来评价图像质量。其中，对比度用方差来反映，清晰度由梯度函数来评价，熵用来计算图像所包含的信息量。分别利用公式2.1、2.2和2.3计算这16个分量的方差、梯度、熵。

不同频带加权：利用CSF的非线性带通特性，对不同空间频带的计算结果进行加权，加权值为在相应频带内CSF曲线的平均值，对于五级小波分解，整个频带划分为6个，根据CSF特性曲线对应可得6个加权值（如图1所示）。

选用5幅x光机管电压变化产生不同曝光条件下.鲅鱼的图像作为待评价图像，如图2所示。图2的a～e分别是管电流（0 6mA）固定不变，管电压从35kV-55kV变化，改变间隔为5kV。在x光图像中选取感兴趣区域以减少计算量，如图3所示。

3.评估结果分析

3.1主观评价结果

选取10名有经验的主观评价观察者参与主观评价。分别对图3中所选取的5幅区域图进行了主观质量评价，之后对评价结果进行评分出界检测处理，设定的置信水平为97%，剔除出界评分。以图3中感兴趣区域的图像为例，其主观评价结果如表1所示，处理后的评价结果如表2所示。

3.2客观评价结果

为了说明本文图像质量评价算法的优越性，下面分别用传统的质量评价方法及基于HVS特性的质量评价方法对图3中感兴趣区域的图像进行评价，结果如表3所示。

主观评价结果显示图b的图像质量最好，图像熵与本文方法的计算结果与之相符，而方差与梯度的计算结果则显示图a的质量最好，这与人眼主观视觉感受不一致；主观评价中质量仅次于图b的是图c，但是图像熵的计算结果显示图像质量仅次于图b的是图a，这也与主观评价结果不相同。因此，本文方法在与主观视觉感受保持一致性方面具有明显的优势。

4.结束语

本文利用小波多分辨率分析与人眼视觉系统对影像信息分析相似的原理提出一种改进的图像质量评价方法，作为一种客观的图像质量评價方法，评价结果与主观图像质量评价方法的评价结果一致，证明了方法的可行性，但在算法的精确度和适应性方面还有待提高，可作为未来改进的方向。