[發明專利]一種基于Gabor加權特征的全參考型圖像質量評價方法

有效

• 申請號: 201410182925.2
• 申請日: 2014-04-27
• 公開（公告）號: CN103996188B
• 公開（公告）日: 2018-08-31
• 發明（設計）人: 汪斌
• 申請（專利權）人: 嘉興學院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于Gabor加權特征的全參考圖像質量評價方法，其特征在于其包含以下步驟：

(1)輸入參考圖像和失真圖像，對輸入失真圖像和參考圖像進行二維Gabor變換，具體步驟如下：

建立L個二維Gabor濾波器，二維Gabor濾波器有M個尺度和N個方向，因此有L＝M×N，對于二維離散Gabor濾波器，有如下公式：

x′＝x cosθ_n+y sinθ_n

y′＝y cosθ_n-x sinθ_n

θ_n＝2πn/N，其中n＝0，1，...，N-1，f_m＝a^-mf_max，其中f_max為最高頻率，m＝0，1，...，M-1；

構造L＝M×N個Gabor濾波器后，將輸入失真圖像D(x，y)和參考圖像R(x，y)經過L個Gabor濾波器進行濾波，得到Gabor系數G_D(x，y，m，n)和G_R(x，y，m，n)；

(2)對失真圖像和參考圖像的Gabor系數進行主成份分析(PCA)，得到主成分分析系數，進行PCA變換的步驟如下：

若失真圖像和參考圖像的Gabor系數為G_D(x，y，m，n)和G_R(x，y，m，n)，將Gabor系數矩陣在某一像素點(x，y)的Gabor系數矩陣記為S_D(m，n)和S_R(m，n)，將失真圖像和參考圖像(x，y)像素點處的M×N維Gabor系數矩陣轉換成MN×1維列向量V_D(l)和V_R(l)，其中1≤l≤MN，并進行PCA變換，具體如下：

μ為向量V的均值，φ為協方差矩陣，對φ進行奇異值分解(SVD)得到特征向量，用特征向量組成矩陣ψ，PCA變換即為：V′＝ψ^TV，V′為PCA變換后的主成分分析系數，V′為MN×1維列向量；

(3)取出失真圖像和參考圖像中每個像素點(x，y)的主成分分析系數向量V′的前兩個元素，組成第一主成份矩陣和第二主成份矩陣，計算失真圖像和參考圖像對應像素塊的相似度及其均值，具體步驟如下：

其中PD₁和PD₂為失真圖像的W×H維第一主成份矩陣和第二主成份矩陣，PR₁和PR₂為參考圖像的W×H維第一主成份矩陣和第二主成份矩陣；

將PD₁，PD₂，PR₁和PR₂分成大小為P×P的塊，記為PD₁(n)，PD₂(n)，PR₁(n)和PR₁(n)，其中1≤n≤N’，N’為參考圖像或失真圖像中圖像塊的個數，計算失真圖像和參考圖像對應像素塊的相似度，具體如下：

其中C為根據經驗確定的常數，計算圖像中所有塊相似度的均值，具體如下：

(4)將訓練圖像和參考圖像提取出第一主成份相似度均值S₁和第二主成份相似度均值S₂，將訓練圖像的S₁，S₂和差分主觀分值(DMOS)組成訓練樣本對(S₁，S₂，DMOS)，訓練得到加權系數ω₁，ω₂，ω₃，具體步驟是：

將訓練圖像的第一主成份相似度均值S₁和第二主成份相似度均值S₂組成矩陣：

Q_i＝[S₁(i)，S₂(i)，1]^TI＝[Q₁，Q₂，...，Q_N]

將訓練圖像的主觀MOS分值DMOS和加權系數組成矩陣：

Y＝[D₁，D₂，...，D_N]J＝[ω₁，ω₂，ω₃]

其中，D_N為第N幅訓練圖像的主觀MOS分值DMOS；

得到J的最小二乘解如下：

(5)根據得到測試圖像的第一主成份相似度S₁和第二主成份相似度S₂，利用加權公式得到測試圖像的客觀評價分值，得到的客觀評價分值越高表示圖像質量越好，具體步驟是：

S＝ω₁S₁+ω₂S₁+ω₃

其中S₁，S₂是計算得到的第一相似度和第二相似度，S是預測客觀評價分值，ω₁，ω₂，ω₃是訓練得到的加權系數。