[發(fā)明專利]一種基于預(yù)注意機(jī)制和空間依賴性的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710323747.4
• 申請(qǐng)日: 2017-05-10
• 公開（公告）號(hào): CN107018410B
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計(jì)）人: 劉利雄;王天舒;黃華
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): H04N17/00
• 分類號(hào): H04N17/00
• 代理公司: 北京理工正陽(yáng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11639
• 代理人: 鮑文娟

本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，特別涉及一種基于預(yù)注意機(jī)制和空間依賴性的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，屬于圖像分析領(lǐng)域。本方法首先將輸入圖像分解為彩色信息和灰度信息，其中彩色信息通過(guò)SCIELAB顏色空間變換得到，同時(shí)應(yīng)用尺度空間對(duì)灰度信息做進(jìn)一步的處理。其次，應(yīng)用灰度色調(diào)共生矩陣從這兩部分信息中提取特征向量。然后，利用支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)分別對(duì)特征進(jìn)行訓(xùn)練，得到預(yù)測(cè)模型，應(yīng)用預(yù)測(cè)模型和測(cè)試及對(duì)應(yīng)的特征向量，進(jìn)行質(zhì)量預(yù)測(cè)和評(píng)估。本方法具有主觀一致性高，數(shù)據(jù)庫(kù)獨(dú)立性高，穩(wěn)定性高的特點(diǎn)，可以嵌入到圖像/視頻處理相關(guān)的應(yīng)用系統(tǒng)中，具有很強(qiáng)的應(yīng)用價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，特別涉及一種基于預(yù)注意機(jī)制和空間依賴性的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，屬于圖像分析領(lǐng)域。

背景技術(shù)

近些年來(lái)，隨著科學(xué)技術(shù)的發(fā)展，圖像產(chǎn)生和傳播的成本變得越來(lái)越低，這使得圖像作為一種優(yōu)秀的信息傳播的媒介，在我們的日常生活中變得越來(lái)越普遍，越來(lái)越不可缺少。然而，圖像在場(chǎng)景采集、編碼、網(wǎng)絡(luò)傳輸、解碼、后期處理、壓縮存儲(chǔ)和放映的各個(gè)階段都會(huì)不可避免的引入失真，例如，在場(chǎng)景采集過(guò)程中由于設(shè)備參數(shù)設(shè)定、鏡頭晃動(dòng)等因素引起的模糊失真；圖像壓縮存儲(chǔ)引起的壓縮失真等等。而失真的引入則會(huì)大大降低人們的視覺(jué)體驗(yàn)，嚴(yán)重的還會(huì)影響到人們的身心健康。如何遏制低質(zhì)量圖像的傳播，保證人們的視覺(jué)體驗(yàn)，成為了一個(gè)亟待解決的問(wèn)題。

使圖像產(chǎn)生和傳播的媒體具有自動(dòng)評(píng)價(jià)圖像質(zhì)量高低的能力，從而改善媒體輸出端圖像的質(zhì)量，對(duì)于解決這個(gè)問(wèn)題具有重要意義。

綜上所述，對(duì)于客觀無(wú)參考圖像質(zhì)量評(píng)價(jià)模型的研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。本發(fā)明提出了一種基于預(yù)注意機(jī)制和空間依賴性的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其參考的已有理論和技術(shù)為Treisman等人提出的特征融合理論以及Haralick等人提出的灰度色調(diào)共生矩陣。

(一)特征融合理論

Treisman等人提出了特征融合理論，對(duì)早期視覺(jué)感知過(guò)程醉了分析和總結(jié)。該理論將人的視覺(jué)感知過(guò)程分為兩個(gè)階段：預(yù)注意階段和注意階段。在預(yù)注意階段，人眼的感知系統(tǒng)會(huì)首先生成當(dāng)前感知場(chǎng)景的一幅模糊的概略圖，這幅模糊圖主要包含了感知場(chǎng)景的一些基本的信息，包括結(jié)構(gòu)信息，顏色信息，灰度信息以及方向信息等。這副模糊圖會(huì)為后續(xù)的感知過(guò)程提供一些先驗(yàn)知識(shí)。而更細(xì)節(jié)的，更復(fù)雜的感知活動(dòng)會(huì)在注意階段完成。

(二)灰度色調(diào)共生矩陣

Haralick等人在對(duì)圖像分類等問(wèn)題進(jìn)行了研究的基礎(chǔ)上，提出了灰度色調(diào)共生矩陣，用于捕捉圖像中的各像素點(diǎn)之間的空間相關(guān)性以及統(tǒng)計(jì)特性?；叶壬{(diào)共生矩陣的數(shù)學(xué)表示如下：

其中，Q_θ，d(i,j)代表方向參數(shù)為θ，距離參數(shù)為d的灰度色調(diào)共生矩陣，代表與角度為θ，距離為d的點(diǎn)。

灰度色調(diào)共生矩陣實(shí)際上是對(duì)圖像中具有特定空降關(guān)系的像素對(duì)個(gè)數(shù)的統(tǒng)計(jì)，為了將二維的矩陣轉(zhuǎn)化為一維的特征表示，Haralick等人還提出了14個(gè)特征描述符，這里列出本發(fā)明中應(yīng)用到的四個(gè)特征描述符的數(shù)學(xué)表示：

其中，R代表輸入圖像的值空間大小。CON代表對(duì)比度，是對(duì)點(diǎn)對(duì)之間相關(guān)性的表征，通常用于描述圖像紋理的清晰程度；ASM代表角二階矩，反映了圖像的均勻程度和紋理的粗細(xì)程度；ENT代表熵，是對(duì)圖像紋理強(qiáng)度的表征；IDM代表逆差矩，反映了圖像中紋理的規(guī)則程度。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決無(wú)參考圖像質(zhì)量評(píng)價(jià)中人眼視覺(jué)感知系統(tǒng)模擬方法不夠完善，對(duì)圖像中顏色信息的利用不充分，主觀一致性差，數(shù)據(jù)庫(kù)獨(dú)立性差，算法穩(wěn)定性差等問(wèn)題。