[發明專利]基于自然場景統計中稀疏表示的無參考圖像質量評價方法

無效

• 申請號: 201210403255.3
• 申請日: 2012-10-22
• 公開（公告）號: CN102945552A
• 公開（公告）日: 2013-02-27
• 發明（設計）人: 高新波;何立火;梅寧;路文;高飛;侯偉龍;郝磊
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于自然場景統計中稀疏表示的無參考圖像質量評價方法，包括如下步驟：

（1）利用小波變換對一個訓練圖像進行四個尺度的分解，得到13個子帶全部的小波系數C；

（2）忽略每個尺度上特征相同的水平高通垂直低通子帶LH子帶和水平低通垂直高通子帶HL子帶，提取一個訓練圖像的13個子帶中小波系數不相同的8個子帶的小波系數的幅值m_k、方差v_k以及信息熵e_k：

mk=1Nk·MkΣj=1NkΣi=1Mklog2|Ck(i,j)|k=1,2,...,8]]>

vk=1Nk·MkΣj=1NkΣi=1Mklog2|Ck(i,j)-mean(Ck)|]]>

ek=Σj=1NkΣi=1Mkp[Ck(i,j)]lnp[Ck(i,j)]]]>

式中，(i,j)代表圖像中像素的位置，i代表行數，j代表列數，

C_k(i,j)代表第k個子帶的第(i,j)個小波系數，

mean(Ck)表示第k個子帶的小波系數的均值，

M_k代表第k個子帶的長度，

N_k代表第k個子帶的寬度，

p[·]是子帶的概率密度函數；

（3）將一個訓練圖像的8個子帶的小波系數幅值m₁,m₂,…,m₈、方差v₁,v₂,…v₈以及信息熵e₁,e₂,…e₈組合成為一個訓練圖像的24維特征向量f：

f＝[m₁,m₂,…,m₈,v₁,v₂,…v₈,e₁,e₂,…e₈]^T

式中，T代表轉置操作；

（4）構建的訓練圖像的特征字典D：

（4a）重復步驟（3），提取n個訓練圖像的n個24維特征向量的特征f₁,f₂…,f_n，并對這些特征向量進行整合，構成一個24×n的特征矩陣H：

H＝[_f1,f₂,…,f_n]

（4b）對n個訓練圖像的平均主觀差異分數值DMOS進行整合，構成n維平均主觀差異分數向量DMOS′：

DMOS′＝[DMOS′₁,DMOS₂′,…,DMOS_n′]

（4c）將平均主觀差異分數向量DMOS′與特征矩陣H一一對應，共同構成特征字典D：

表示定義特征字典D為平均主觀差異分數向量DMOS′與特征矩陣H共同構成；

（5）利用特征字典D稀疏表示一個測試圖像的特征：

（5a）重復步驟（3），提取一個測試圖像的24維特征u，

（5b）在構建的特征字典D的特征矩陣H中尋找測試圖像特征的最接近表示v：

v=Σi=1nαifi]]>

式中，f_i代表特征字典D中的特征矩陣H的第i個特征向量，

α_i代表1,2…,n每個特征向量的系數

將特征向量與特征向量系數相乘，得到v的簡化式：

v=Σi=1nαifi=Hα]]>

式中，α代表一個測試圖像特征v的最接近表示的系數向量；

（5c）利用稀疏表示的方法求解一個測試圖像特征u在特征矩陣H中的最稀疏表示系數α^*：

α*=argminα∈Rnλ·||α||1+||u-v||2]]>

式中，Rⁿ表示n維實數空間，

||?||₁表示求解1范數，

||?||₂表示求解2范數，

λ是用來平衡保真項和正則項的正常數，

arg表示滿足式最小值的α賦值給α^*；

（6）根據最稀疏表示系數α^*，利用下式評價一個測試圖像的圖像質量：

Q=1Σi=1nαi*Σi=1nαi*DMOSi′Q=1,2,...,100]]>

式中，DMO_S′i代表特征稀疏字典中第i個訓練圖像的平均主觀差異分數值，

代表一個測試圖像的第i個最稀疏表示系數，

Q代表一個測試圖像的最終質量值。