基于轮廓波数字水印的JPEG图像质量评价方法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (21): 206-210.

基于轮廓波数字水印的JPEG图像质量评价方法

康良成，李朝锋

江南大学物联网工程学院，江苏无锡 214122

出版日期:2016-11-01 发布日期:2016-11-17

JPEG compressed image quality assessment method based on digital watermarking in contourlet domain

KANG Liangcheng, LI Chaofeng

School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2016-11-01 Published:2016-11-17

摘要/Abstract

摘要： 半参考图像质量评价方法是一种利用原始图像的部分信息对失真图像进行质量预测的方法，提出了一种基于轮廓波变换数字水印的JPEG图像压缩半参考质量评价方法。首先参考人类视觉系统（Human Visual System，HVS）的思想，选取轮廓波变换的低频区域作为水印嵌入区域，从而生成半脆弱数字水印。然后根据已嵌入水印图像与原始图像之间的结构相似度（Structural Similarity，SSIM）的值，设计自适应水印嵌入系统，以保证水印的不可见性。最后分别在LIVE图像数据库2和TID2008图像数据库中，根据已嵌入水印图像进行数据库重建，并测试该算法的性能。实验结果对比显示，该算法与其他算法相比较，具有较好的准确性、单调性以及一致性，能够较好地反应JPEG失真图像的质量。

关键词: 轮廓波变换, 数字水印, 图像质量评价, 结构相似度（SSIM）

Abstract: Reduced-Reference（RR） Image Quality Assessment（IQA） aims to predict the visual quality of distorted images with only partial information concerning the reference images. In this paper, a RR IQA based on digital watermarking contourlet domain is proposed. Firstly, the low-frequency sub-band of contourlet transform is selected as the watermark embedding region based on the theory of Human Visual System （HVS）, so semi-fragile digital watermarking is constructed. Secondly, the Structural Similarity（SSIM） value between embedded watermark image and original image is used to design an adaptive watermark embedding system, which ensures the invisibility of watermark. Finally the image quality metric is gained by the restoration rate of watermark of distorted image. Empirical studies are carried out upon the LIVE images database II and TID2008 images database against the subjective IQA score and demonstrate that the proposed framework has favorable consistency with subjective perception values and the objective assessment results can well reflect the visual quality of JPEG compressed images.

Key words: contourlet transform, digital watermarking, Image Quality Assessment（IQA）, Structural Similarity（SSIM）

康良成，李朝锋. 基于轮廓波数字水印的JPEG图像质量评价方法[J]. 计算机工程与应用, 2016, 52(21): 206-210.

KANG Liangcheng, LI Chaofeng. JPEG compressed image quality assessment method based on digital watermarking in contourlet domain[J]. Computer Engineering and Applications, 2016, 52(21): 206-210.

[1]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[2]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[3]	程晓梅，沈远彤. 双目标的CNN无参考图像质量评价方法[J]. 计算机工程与应用, 2019, 55(9): 26-32.
[4]	师晓波，蔺素珍，桑新亚. 利用结构连续块和多尺度变换的缺损图像修复[J]. 计算机工程与应用, 2019, 55(8): 189-194.
[5]	张凯兵，朱丹妮，王珍，闫亚娣. 超分辨图像质量评价综述[J]. 计算机工程与应用, 2019, 55(4): 31-40.
[6]	李国和1，2，陈晨1，2，吴卫江1，2，郑艺峰1，2，洪云峰3，周晓明3. 面向二维码的数字水印置入与提取方法[J]. 计算机工程与应用, 2019, 55(10): 103-107.
[7]	杨璐1，2，3，王辉1，2，魏敏3. 基于机器学习的无参考图像质量评价综述[J]. 计算机工程与应用, 2018, 54(19): 34-42.
[8]	李云红，王珍，张凯兵，章为川，闫亚娣. 基于学习的图像超分辨重建方法综述[J]. 计算机工程与应用, 2018, 54(15): 13-21.
[9]	丁智慧. 基于DCT的声呐探测信号鉴定方法[J]. 计算机工程与应用, 2018, 54(1): 133-139.
[10]	吕风杰，信科. 基于小波域峰态值的无参考噪声图像评价算法[J]. 计算机工程与应用, 2017, 53(7): 202-205.
[11]	于康龙1，秦卫城1，杨进1，许若飞2. 超分辨重建图像质量评价算法[J]. 计算机工程与应用, 2017, 53(2): 201-205.
[12]	薛俊韬，金志刚，杨正瓴，张军. 基于向量相似度的水印模型分析[J]. 计算机工程与应用, 2016, 52(24): 116-120.
[13]	赵旦峰1，王博1，李明1，2. 基于空域特征的无参考图像质量评价算法[J]. 计算机工程与应用, 2016, 52(12): 216-220.
[14]	蒋策，彭建，向凌云，李峰. 基于汉明码的文本可逆数字水印研究[J]. 计算机工程与应用, 2016, 52(11): 84-87.
[15]	黄东，阳万安. 基于Harris-Laplacian的特征点均衡化鲁棒数字水印[J]. 计算机工程与应用, 2015, 51(7): 101-105.