[發明專利]無參考圖像質量評價方法及裝置

有效

• 申請號: 201710291323.4
• 申請日: 2017-04-28
• 公開（公告）號: CN107123122B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 朱映映;曹磊;王旭;江健民
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 王利彬

1.一種無參考圖像質量評價方法，其特征在于，包括：

識別待評價的失真圖像中文本區域和圖像區域，并劃分所述失真圖像中所述文本區域和所述圖像區域；

分別提取所述文本區域和所述圖像區域中的視覺感知特征；

通過預置的分類機制對從所述文本區域中的所述視覺感知特征進行失真分類判別，得到所述文本區域的質量分數，以及，通過所述預置的分類機制對所述圖像區域中的所述視覺感知特性進行失真分類判別，得到所述圖像區域的質量分數；

對所述文本區域的質量分數和所述圖像區域的質量分數進行擬合，得到所述失真圖像的質量分數。

2.根據權利要求1所述的方法，其特征在于，所述通過預置的分類機制對從所述文本區域中的所述視覺感知特征進行失真分類判別，得到所述文本區域的質量分數，以及，通過所述預置的分類機制對所述圖像區域中的所述視覺感知特性進行失真分類判別，得到所述圖像區域的質量分數之前還包括：

通過支持向量機SVM算法和支持向量回歸SVR算法，訓練失真類型的分類模型，所述失真類型的分類模型的預測結果為所述失真類型的概率值；

以及，通過所述SVM算法和所述SVR算法，對每一類所述失真類型的圖像模型進行訓練，得到所述失真類型的質量分數模型，所述失真類型的質量分數模型的預測結果為所述失真類型的質量分數；

將訓練得到的所述失真類型的分類模型以及所述失真類型的質量分數模型作為所述預置的分類機制。

3.根據權利要求2所述的方法，其特征在于，所述通過預置的分類機制對所述文本區域中的所述視覺感知特征進行失真分類判別，得到所述文本區域的質量分數包括：

將所述文本區域中的所述視覺感知特征與所述失真類型的分類模型相比較，得到所述文本區域中的所述視覺感知特征所屬的第一失真類型的概率值；

以及，將所述文本區域中的所述視覺感知特征與所述失真類型的質量分數模型相比較，得到所述文本區域中的所述視覺感知特征所屬的所述第一失真類型的質量分數值；

計算所述第一失真類型的概率值和所述第一失真類型的質量分數值之間的點積，算出所述文本區域的質量分數。

4.根據權利要求3所述的方法，其特征在于，所述通過所述預置的分類機制對所述圖像區域中的所述視覺感知特性進行失真分類判別，得到所述圖像區域的質量分數包括：

將所述圖像區域中的所述視覺感知特征與所述失真類型的分類模型相比較，得到所述圖像區域中的所述視覺感知特征所屬的第二失真類型的概率值；

以及，將所述圖像區域中的所述視覺感知特征與所述失真類型的質量分數模型相比較，得到所述圖像區域中的所述視覺感知特征所屬的所述第二失真類型的質量分數值；

計算所述第二失真類型的概率值和所述第二失真類型的質量分數值之間的點積，算出所述圖像區域的質量分數。

5.根據權利要求1-4任一項所述的方法，其特征在于，

所述視覺感知特征為:自然場景統計的感知特征。

6.一種無參考圖像質量評價裝置，其特征在于，所述裝置包括：

識別模塊，用于識別待評價的失真圖像中文本區域和圖像區域，并劃分所述失真圖像中所述文本區域和所述圖像區域；

提取模塊，用于分別提取所述文本區域和所述圖像區域中的視覺感知特征；

判別模塊，用于通過預置的分類機制對從所述文本區域中的所述視覺感知特征進行失真分類判別，得到所述文本區域的質量分數，以及，通過所述預置的分類機制對所述圖像區域中的所述視覺感知特性進行失真分類判別，得到所述圖像區域的質量分數；

擬合模塊，用于對所述文本區域的質量分數和所述圖像區域的質量分數進行擬合，得到所述失真圖像的質量分數。