[發(fā)明專利]一種基于支持向量機(jī)的圖像質(zhì)量評(píng)價(jià)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200910082608.2
• 申請(qǐng)日: 2009-04-21
• 公開(kāi)（公告）號(hào): CN101540048A
• 公開(kāi)（公告）日: 2009-09-23
• 發(fā)明（設(shè)計(jì)）人: 丁文銳;王磊;李紅光
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所
• 代理人: 周長(zhǎng)琪

1.一種基于支持向量機(jī)的圖像質(zhì)量評(píng)價(jià)方法，其特征在于，該方法包含如下步驟：

步驟一，建立樣本集；

首先，對(duì)圖像樣本進(jìn)行去噪處理后，提取圖像的對(duì)比度Contrast、熵Entropy、紋理Texture和模糊度Blur四個(gè)特征值，構(gòu)成特征值矢量(p1，p2，p3，p4)，并對(duì)各坐標(biāo)進(jìn)行歸一化以便后期處理；

然后，將各類特征值矢量(p1，p2，p3，p4)作為樣本的四維輸入，對(duì)圖像樣本進(jìn)行主觀的專家質(zhì)量評(píng)價(jià)，評(píng)價(jià)級(jí)別y作為輸出，構(gòu)成樣本集；

最后，從各類評(píng)價(jià)級(jí)別y所對(duì)應(yīng)的樣本集中均抽出3/4作為訓(xùn)練集，其余1/4作為測(cè)試集；

步驟二，確定支持向量機(jī)的數(shù)目；

根據(jù)系統(tǒng)需要的分類級(jí)別N確定支持向量機(jī)的個(gè)數(shù)，N≥2；其中，系統(tǒng)的分類級(jí)別N即為圖像質(zhì)量的評(píng)價(jià)級(jí)別個(gè)數(shù)；

其中，所述的根據(jù)需要系統(tǒng)的分類級(jí)別確定支持向量機(jī)的個(gè)數(shù)是指：支持向量機(jī)是兩類分類器，應(yīng)用于兩類以上分類時(shí)，系統(tǒng)要求的分類級(jí)別有N≥2種，為將N類中的第i∈[1，N]類與其他類別分開(kāi)，采用1-a-1分類方法構(gòu)造兩類及兩類以上支持向量機(jī)分類器；

所述的1-a-1分類方法即1-aginst-1分類方法是指在N類訓(xùn)練樣本中構(gòu)造所有情況的兩類分類器，每類僅僅在N類中的2類訓(xùn)練樣本上訓(xùn)練，結(jié)果共構(gòu)造P＝N(N-1)/2個(gè)分類器，用投票法即最大占優(yōu)法組合這些兩類分類器，得票最多的類為新點(diǎn)所屬的類；如果兩類具有同樣的票數(shù)，選擇索引值較小的類；其中P是分類器的數(shù)量；

步驟三，支持向量機(jī)訓(xùn)練和優(yōu)化部分；

首先，利用訓(xùn)練集對(duì)每個(gè)支持向量機(jī)進(jìn)行分別訓(xùn)練，初步確定最優(yōu)分類面的決策函數(shù)的相關(guān)參數(shù)，其中y_i為支持向量機(jī)的結(jié)果，x_i為支持向量，a_i為支持向量所對(duì)應(yīng)的拉格朗日乘子，b為偏移因子，x為全體樣本，K(x_i，x)＝exp(-γ||x_i-x||²)為最優(yōu)的徑向基核函數(shù)；訓(xùn)練中，輸入是圖像樣本的特征值矢量(p1，p2，p3，p4)，輸出是圖像質(zhì)量的評(píng)價(jià)級(jí)別，即利用級(jí)別數(shù)字來(lái)代替質(zhì)量的評(píng)價(jià)結(jié)果；其中采用網(wǎng)格法確定最優(yōu)的徑向基核函數(shù)K(x_i，x)＝exp(-γ||x_i-x||²)的參數(shù)γ和懲罰因子C，以期得到最優(yōu)的分類效果；

然后，通過(guò)訓(xùn)練集的學(xué)習(xí)，尋找到支持向量集，初步確定拉格朗日乘子a_i和偏移因子b；

最后，利用測(cè)試集對(duì)得到的支持向量機(jī)模型相關(guān)參數(shù)進(jìn)行調(diào)整優(yōu)化，提高準(zhǔn)確率；最終確定支持向量機(jī)模型最優(yōu)分類面的決策函數(shù)的相關(guān)參數(shù)；

步驟四，支持向量機(jī)應(yīng)用部分；

應(yīng)用完成訓(xùn)練的支持向量機(jī)模型對(duì)圖像樣本進(jìn)行評(píng)級(jí)；

采用1-a-1分類方法，對(duì)于每張檢測(cè)圖像，代入每個(gè)支持向量機(jī)模型的決策函數(shù)中，最終通過(guò)投票法從這些支持向量機(jī)模型的結(jié)果中決定出圖像的分類類別，從而確定圖像質(zhì)量的評(píng)價(jià)級(jí)別；

其中，所述的完成訓(xùn)練的支持向量機(jī)模型，對(duì)輸入的任一圖像都輸出對(duì)該圖像質(zhì)量的評(píng)價(jià)級(jí)別。

2.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)的圖像質(zhì)量評(píng)價(jià)方法，其特征在于，步驟一中所述的對(duì)圖像樣本進(jìn)行主觀的專家質(zhì)量評(píng)價(jià)是指，參加評(píng)分的觀察者至少要有20名，測(cè)試條件與使用條件相匹配或近似；觀察者根據(jù)自己的經(jīng)驗(yàn)，對(duì)被評(píng)價(jià)圖像做出質(zhì)量判斷，或者同時(shí)提供一組標(biāo)準(zhǔn)圖像作為參考，幫助觀察者對(duì)圖像質(zhì)量做出合適的評(píng)價(jià)；其中所述分類級(jí)別N＝4，將評(píng)價(jià)優(yōu)良中差轉(zhuǎn)換為相應(yīng)的評(píng)價(jià)級(jí)別y，y∈{1，2，3，4}。