[發明專利]圖像質量評估方法及裝置

在審

• 申請號: 201710044621.3
• 申請日: 2017-01-19
• 公開（公告）號: CN106709916A
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 劉巖;周雄志;朱興杰;李馳;張志浩;李紅巖
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06T7/10
• 代理公司: 隆天知識產權代理有限公司72003
• 代理人: 李昕巍,鄭特強

1.一種圖像質量評估方法，其特征在于，所述方法包括：

獲取預定數量的樣本圖像，提取每個所述樣本圖像中與所述樣本圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值；

根據提取的每個所述樣本圖像中的所述預設特征值，并利用支持向量機SVM方法進行訓練得到一SVM分類器；

接收一輸入圖像，根據所述SVM分類器對所述輸入圖像進行評估預測得到一評估結果。

2.根據權利要求1所述方法，其特征在于，在提取每個所述樣本圖像中與所述樣本圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值之前，所述方法還包括：

對每個所述樣本圖像進行預處理，并將預處理后的每個所述樣本圖像分割成多個子圖像；

所述提取每個所述樣本圖像中與所述樣本圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值包括：

提取每個所述樣本圖像中的每個所述子圖像中與所述子圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值。

3.根據權利要求2所述方法，其特征在于，所述提取每個所述樣本圖像中的每個所述子圖像中與所述子圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值包括：

提取每個所述子圖像在YCbCr顏色空間每一通道對應的第一特征值；

提取每個所述子圖像進行了Gabor小波變換后的小波圖像的第二特征值；

提取每個所述子圖像的亮度圖像在水平、豎直、主對角、次對角四方向鄰域MSCN系數對應的第三特征值。

4.根據權利要求3所述方法，其特征在于，所述提取每個所述子圖像在YCbCr顏色空間每一通道對應的第一特征值包括：

將每個所述子圖像從RGB顏色空間轉換到YCbCr顏色空間得到Y、Cb、Cr每個通道的子圖像；

為所述Y、Cb、Cr每個通道的子圖像擬合一廣義高斯分布模型；

提取所述Y、Cb、Cr每個通道對應的所述廣義高斯分布模型的模型參數并作為所述第一特征值。

5.根據權利要求3所述方法，其特征在于，所述提取每個所述子圖像進行Gabor小波變換后的小波圖像的第二特征值包括：

將每個所述子圖像進行歸一化處理并轉換為灰度圖像；

對所述灰度圖像進行Gabor小波變換獲得預設兩個頻譜上各自對應的預設四個角度方向上的共8個小波圖像；

為所述8個小波圖像分別擬合一廣義高斯分布模型并提取對應的每個所述廣義高斯分布模型的模型參數作為所述第二特征值。

6.根據權利要求3所述方法，其特征在于，所述提取每個所述子圖像的亮度圖像在水平、豎直、主對角、次對角四方向鄰域MSCN系數對應的第三特征值包括：

根據RGB顏色空間的每個所述子圖像計算得到對應的亮度圖像：

計算所述亮度圖像在水平、豎直、主對角、次對角四方向鄰域MSCN系數；

分別用非對稱廣義高斯模型擬合所述四方向鄰域MSCN系數并估計相應的所述非對稱廣義高斯模型的模型參數以作為所述第三特征值。

7.根據權利要求1～6任一項所述方法，其特征在于，所述方法還包括：

在根據所述SVM分類器評估預測所述輸入圖像得到一評估結果后，判斷所述評估結果是否滿足一預設條件；

當所述評估結果滿足所述預設條件時，將所述輸入圖像存儲至一數據庫中。

8.一種圖像質量評估裝置，其特征在于，所述裝置包括：

特征提取模塊，用于獲取預定數量的樣本圖像，提取每個所述樣本圖像中與所述樣本圖像的Gabor小波變換特征信息、YCbCr顏色空間特征信息和MSCN系數統計特征信息相關的預設特征值；

數據訓練模塊，用于根據提取的每個所述樣本圖像中的所述預設特征值，并利用支持向量機SVM方法進行訓練得到一SVM分類器；以及

質量評估模塊，用于接收一輸入圖像，根據所述SVM分類器對所述輸入圖像進行評估預測得到一評估結果。