[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

技術領域

本公開涉及圖像處理技術領域，尤其涉及一種圖像質量評估方法及圖像質量評估裝置。

背景技術

隨著信息時代的到來，數字圖像作為一種重要的信息載體已經非常普遍，例如一些票據、身份證、客戶資料等的數字圖像已成為社會活動中常用的信息載體。伴隨數字圖像信號處理技術的發展，圖像工程成為了一門內容豐富且發展迅速的學科，一個圖像的處理系統通常包括圖像的采集、顯示、存儲、通信、處理和分析等。在目前的技術水平下，在圖像的采集、傳輸和處理等過程中難免都會產生一些失真。然而很多應用中需要量化圖像中存在的失真會給感官造成怎樣的影響，例如人眼是否無法識別圖像中的目標內容等。因此，需要通過圖像質量客觀評價的方法對一些圖像質量進行有效的評估。當前，數字圖像質量評估方法的研究是圖像信息工程研究中最重要的基礎研究課題之一，且依據對原始圖像參考度的不同，圖像質量的評估方法可分為三種類型：全參考型、部分參考型和無參考型。其中，全參考型就是在評價失真圖像時，可以將無任何質量失真的原始圖像作為參考。部分參考型是指僅利用原始圖像的部分信息來估計失真圖像的視覺感知質量。相比全參考型和無參考型評估方法，無參考型在應用方面具有更大的潛力，這是由于其不需要參考圖像的任何信息，僅根據失真圖像就可以評估圖像質量。

近年來，隨著圖像質量評價領域的發展，無參考型圖像質量評價方法引起了越來越多的關注。因此，相關技術中已出現一些無參考型圖像質量評估方法。但是在相關技術中，目前的一些無參考型圖像質量評估算法依然存在一些缺點，例如大多算法利用模糊圖像的局部形變特性來預測圖像的質量，顯然具有很大的局限性。此外，對于圖像的多數特征提取過程僅對單一顏色模型進行特征提取，難以準確反映人類對圖像質量的視覺感知效果，在實際應用中圖像質量評估的預測精度以及評估預測效果等也有待提高。

因此，有必要提供一種新的技術方案改善上述方案中存在的一個或者多個問題。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種圖像質量評估方法及圖像質量評估裝置，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或者多個問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開實施例的第一方面，提供一種圖像質量評估方法，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。

本公開的一種示例性實施例中，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。

本公開的一種示例性實施例中，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。

本公開的一種示例性實施例中，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；