基于梯度与纹理特征分割的半色调图像质量评估方法PGT-SSIM研究

为解决传统图像质量评估方法(IQA)不适用于半色调图像的问题，研究人员提出PGT-SSIM（分区梯度与纹理结构相似性）方法，通过提取梯度特征图、融合纹理差异，结合SSIM公式加权评分。实验表明，该方法PLCC指标较Partition SSIM提升11%，显著优于现有算法，为半色调算法优化提供新思路。

　　

在数字印刷与出版领域，半色调技术通过数字加网算法将连续色调图像转换为有限色调的图像，以满足输出设备的需求。然而，传统图像质量评估方法如MSE（均方误差）、PSNR（峰值信噪比）和SSIM（结构相似性）在评估半色调图像时存在明显局限——它们忽略了人眼的低通特性和图像的局部结构特征，导致评估结果与主观感知不符。尽管Chen等学者通过分区改进SSIM算法取得一定进展，但周期性纹理特征的缺失仍是关键瓶颈。

针对这一挑战，研究人员提出PGT-SSIM（分区梯度与纹理结构相似性）方法。该方法创新性地结合图像分区策略、梯度特征提取和纹理差异分析，最终通过SSIM公式加权计算质量分数。实验采用Baboon灰度图像，通过Floyd、Random等五种加网算法处理，并邀请20名观察者进行主观评分验证。结果显示，PGT-SSIM的PLCC（皮尔逊线性相关系数）较Partition SSIM提升11%，SROCC（斯皮尔曼秩相关系数）和KROCC（肯德尔秩相关系数）等指标均显著优于传统方法。

方法
研究基于MATLAB R2021a和PyCharm平台，采用分区计算策略提取图像梯度与纹理特征。通过加权融合SSIM公式，解决局部灰度近似与纹理周期性的矛盾。实验环境为Windows 10系统，使用Intel Core i7处理器。

结果
客观指标显示PGT-SSIM在PLCC、SROCC等维度全面领先。主观实验证实其评分与人类视觉感知高度一致，尤其在保留图像美学特性方面表现突出。

讨论
传统连续色调评估方法直接应用于半色调图像会导致偏差，而PGT-SSIM通过梯度-纹理双特征建模更贴合人眼视觉机制。该成果为加网算法优化提供量化工具，推动数字印刷质量控制的标准化进程。

结论
PGT-SSIM通过分区特征提取与多维度加权，首次实现半色调图像质量评估的客观性与主观感知统一。其创新性体现在：（1）梯度特征捕捉局部结构；（2）纹理分析强化周期性模式识别；（3）分区策略平衡计算效率与精度。该研究为相关领域建立新的技术基准。