[發(fā)明專利]基于機(jī)器學(xué)習(xí)并融合視覺特征的全參考圖像質(zhì)量評估方法

有效

• 申請?zhí)枺?/td>: 201610017544.8
• 申請日: 2016-01-13
• 公開（公告）號: CN105574885B
• 公開（公告）日: 2017-03-08
• 發(fā)明（設(shè)計）人: 牛玉貞;詹佳楣;郭文忠;陳羽中
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司35100
• 代理人: 蔡學(xué)俊

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理及計算機(jī)視覺技術(shù)領(lǐng)域，特別是一種與主觀感知相一致的基于機(jī)器學(xué)習(xí)并融合視覺特征的全參考圖像質(zhì)量評估方法。

背景技術(shù)

在大多數(shù)現(xiàn)代圖像處理系統(tǒng)中圖像質(zhì)量評價成為一個極為重要的組成部分，圖像質(zhì)量的評估成為圖像處理、計算機(jī)視覺領(lǐng)域的一個基本而又具有重要意義的問題。

圖像質(zhì)量評估可以分為主觀評價方法和客觀評價方法。主觀方法即人直接觀察圖像，通過評分評判圖像質(zhì)量。但主觀評價的方法難以用數(shù)學(xué)模型表達(dá)并加以應(yīng)用。所以一般使用建立模型的客觀評估方法評價圖像質(zhì)量?？陀^圖像質(zhì)量評價的最初研究專注于純數(shù)學(xué)指標(biāo)上，基于數(shù)學(xué)統(tǒng)計這一性質(zhì)，這個數(shù)學(xué)指標(biāo)則是基于兩個圖像之間的量化誤差。SNR、PSNR和MSE是其中的先驅(qū)。盡管擁有簡單和方便的優(yōu)點，但這些方法與主觀評估并無太大關(guān)聯(lián)，這些算法的局限性也被后續(xù)的文章證實了。因此，Mitsa和Varkur提出了加權(quán)派生的SNR (WSNR)，之后NQM及一些其他指標(biāo)也相繼提出。

之后人們從人類視覺系統(tǒng)(Human Visual System, HVS)的角度出發(fā)，Wang和Bovik于2002年提出HVS可以被分解成三個獨立通道：亮度、對比度和結(jié)構(gòu)，他們主張，人眼通過這三個通道獲取圖像信息，UQI和SSIM正是基于HVS特性中的這三個組成通道構(gòu)造得到的。Wang之后又提出三種SSIM變體，包括multi-scale SSIM (MS-SSIM)、the SSIM with automatic down-sampling (MSSIM)和wavelets-SSIM；

2004年之后，多種指標(biāo)相繼被提出，包括VIF、VIFP、M-SVD、 VSNR、R-SVD、RFSIM、PSNRHVS、PSNRHVSM等。

客觀全參考圖像質(zhì)量評估方法是目前發(fā)展程度最為成熟的方法。從最原始的數(shù)學(xué)偏差方法到加入對人類視覺系統(tǒng)的考慮，各種方法分別從不同的角度出發(fā)，試圖建立一個能夠?qū)D像量化值映射到與人的主觀感受的模型。隨著人們對HVS的研究不斷深入，越來越多的與主觀感知相關(guān)的特征被發(fā)現(xiàn)，可見，人眼主觀感知并不單一地與某個特征關(guān)聯(lián)，可能與多個特征都存在關(guān)聯(lián)。同樣的，我們想到將各個與主觀感知有關(guān)聯(lián)的特征都納入考慮，能夠結(jié)合這些特征的優(yōu)點，去構(gòu)建一個與主觀感知最一致的模型。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是提供一種與主觀感知相一致的基于機(jī)器學(xué)習(xí)并融合視覺特征的全參考圖像質(zhì)量評估方法，該方法能夠使評估結(jié)果與用戶主觀感知之間具有較好的相關(guān)性和準(zhǔn)確性。

本發(fā)明采用以下方案實現(xiàn)：一種基于機(jī)器學(xué)習(xí)并融合視覺特征的全參考圖像質(zhì)量評估方法，包括以下步驟：

步驟S1：輸入?yún)⒖紙D像和目標(biāo)圖像，目標(biāo)圖像即為失真圖像，基于客觀全參考圖像質(zhì)量評估方法對目標(biāo)圖像進(jìn)行特征提取，獲得特征集F1；

步驟S2：采用結(jié)合圖像顯著性分布的客觀全參考圖像質(zhì)量評估方法進(jìn)行特征提取，獲得特征集F2；

步驟S3：采用結(jié)合局部圖像質(zhì)量排序的客觀全參考圖像質(zhì)量評估方法進(jìn)行特征提取，獲得特征集F3；

步驟S4：采用結(jié)合局部圖像質(zhì)量數(shù)據(jù)統(tǒng)計的客觀全參考圖像質(zhì)量評估方法進(jìn)行特征提取，獲得特征集F4；

步驟S5：綜合特征集F1、F2、F3和F4，將其作為機(jī)器學(xué)習(xí)算法的特征集T，并通過機(jī)器學(xué)習(xí)算法和三等分交叉驗證方法學(xué)習(xí)得出客觀評估模型；

步驟S6：采用客觀評估模型對圖像進(jìn)行質(zhì)量評估，得到最終的客觀全參考圖像質(zhì)量評估得分值。

進(jìn)一步地，在步驟S1中，基于客觀全參考圖像質(zhì)量評估方法對目標(biāo)圖像進(jìn)行特征提取的具體方法為：采用10種客觀全參考圖像質(zhì)量評估方法FSIM、FSIMc、PSNR、PSNRc、PSNRHVS、SSIM、VSI、MAD、PSNRHA和PSNRHMA對目標(biāo)圖像進(jìn)行質(zhì)量評估，生成10個對應(yīng)的特征值：F1₁、F1₂、…、F1₁₀，組成特征集F1={F1₁, F1₂, …, F1₁₀}。

進(jìn)一步地，在步驟S2中，采用結(jié)合圖像顯著性分布的客觀全參考圖像質(zhì)量評估方法進(jìn)行特征提取，具體包括以下步驟：

步驟S21：采用圖像顯著區(qū)域檢測算法GS，獲得參考圖像的顯著性圖W(i, j);