[發(fā)明專利]一種基于稀疏表示的無參考彩色圖像質(zhì)量評價方法

有效

• 申請?zhí)枺?/td>: 201410539145.9
• 申請日: 2014-10-14
• 公開（公告）號: CN104361574B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計）人: 張闖;陳蘇婷;常建華
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/66
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司32200
• 代理人: 楊楠

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像質(zhì)量評價方法，尤其涉及一種基于稀疏表示的無參考彩色圖像質(zhì)量評價方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

圖像質(zhì)量評價技術(shù)一直是圖像處理領(lǐng)域的關(guān)鍵技術(shù)，可以用于評價圖像處理方法的效果，或是依據(jù)圖像質(zhì)量來選擇合適的圖像處理方法。圖像質(zhì)量評價技術(shù)大多根據(jù)處理后的圖像與參考圖像之間的不同，來度量圖像質(zhì)量；但是大多圖像質(zhì)量評價的應(yīng)用領(lǐng)域，難于得到標(biāo)準(zhǔn)圖像作為參考，此時更需要無參考圖像質(zhì)量評價技術(shù)，以便根據(jù)圖像質(zhì)量來選擇合適的圖像處理方法。

近年來，隨著信息處理技術(shù)的發(fā)展，提取圖像特征來映射圖像質(zhì)量成為重要的圖像質(zhì)量評價手段，但是此類方法同樣面對數(shù)據(jù)處理量大的困難，于是Lihuo?He等人在文獻“Sparse?Representation?for?Blind?Image?Quality?Assessment”(Proceedings?of?Computer?Vision?and?Pattern?Recognition(CVPR2012),pp.1146-1153,Providence,Rhode?Island,16-21June,2012,USA.)中提出一種利用稀疏表示來評價圖像質(zhì)量的方法，該方法利用NSS(natural?scene?statistics)來表示圖像，而字典的建立則直接利用NSS在小波域的特征及圖像的DMOS(differential?mean?opinion?score，平均主觀差異分?jǐn)?shù))。該方法簡單明了，得到了有效的無參考圖像質(zhì)量評價結(jié)果。該方法首先提取訓(xùn)練圖庫的NSS特征及DMOS值建立原子字典，然后提取待評價圖像的NSS特征在原子字典上進行稀疏表示，用求解出的系數(shù)結(jié)合DMOS值得到圖像質(zhì)量評價分?jǐn)?shù)。其優(yōu)點體現(xiàn)在：(1)能夠有效地評價不同類型的圖像質(zhì)量退化；(2)評價結(jié)論與主觀評價具有良好的一致性；(3)對不同的圖像具有良好的質(zhì)量評價結(jié)果。該方法給無參考的圖像質(zhì)量評價方法提供了良好的發(fā)展和參考基礎(chǔ)。然而，該方法所使用的NSS在小波域的特征并不能充分反映圖像質(zhì)量，因此依據(jù)該方法得到的圖像質(zhì)量評價結(jié)果的準(zhǔn)確性仍有待提高。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種基于稀疏表示的無參考彩色圖像質(zhì)量評價方法，其原子字典的構(gòu)建方法簡單明了，所提取的特征更符合人眼視覺感受，整個算法更簡單，質(zhì)量評價結(jié)果更準(zhǔn)確。

本發(fā)明具體采用以下技術(shù)方案：

一種基于稀疏表示的無參考彩色圖像質(zhì)量評價方法，首先構(gòu)建原子字典，然后利用所構(gòu)建的原子字典對待評價彩色圖像進行稀疏表示，最后利用待評價彩色圖像的稀疏表示系數(shù)的線性組合得到待評價彩色圖像的質(zhì)量得分，

原子字典的構(gòu)建按照以下方法：

步驟1、將一組已知平均主觀差異分?jǐn)?shù)DMOS的訓(xùn)練樣本圖像從RGB彩色空間轉(zhuǎn)換至HSV彩色空間，并對每一幅訓(xùn)練樣本圖像的H分量、S分量、V分量分別進行灰度化，得到每一幅訓(xùn)練樣本圖像的三個子圖像：H分量子圖像、S分量子圖像、V分量子圖像；步驟2、將每一幅子圖像分割為一系列大小相等的圖像塊，并獲取每個圖像塊的像素空間相關(guān)性矩陣；任一圖像塊的像素空間相關(guān)性矩陣按照以下方法得到：構(gòu)建一個256×256的矩陣；對于該矩陣中坐標(biāo)為(x,y)(x＝1,2,...,256；y＝1,2,...,256)的元素，判斷該圖像塊中是否存在兩個相鄰且灰度值分別為x-1、y-1的像素點，如存在，則將該元素的值賦為1，如不存在，則賦值為0，最終得到的矩陣即為該圖像塊的像素空間相關(guān)性矩陣；

步驟3、從每一幅子圖像中選出像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差最大的圖像塊作為該子圖像的最大標(biāo)準(zhǔn)差圖像塊；以每一幅子圖像的最大標(biāo)準(zhǔn)差圖像塊、最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差，以及該圖像塊所屬訓(xùn)練樣本圖像的DMOS值作為一個原子，所有原子的集合即構(gòu)成原子字典；

利用所構(gòu)建的原子字典對待評價彩色圖像進行稀疏表示，具體按照以下方法：

步驟4、將待評價彩色圖像從RGB彩色空間轉(zhuǎn)換至HSV彩色空間，并對待評價彩色圖像的H分量、S分量、V分量分別進行灰度化，得到待評價彩色圖像的三個子圖像：H分量子圖像、S分量子圖像、V分量子圖像；

步驟5、將待評價彩色圖像的每個子圖像分割為一系列大小相等的圖像塊，并獲取每個圖像塊的像素空間相關(guān)性矩陣；