[發明專利]基于無監督特征學習的無參考屏幕圖像質量評價方法

有效

• 申請號: 201710368508.0
• 申請日: 2017-05-22
• 公開（公告）號: CN107292331B
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 周武杰;邱薇薇;周揚;趙穎;何成;遲梁;陳芳妮;吳茗蔚;葛丁飛;金國英;孫麗慧;陳壽法;鄭衛紅;李鑫;吳潔雯;王昕峰;施祥
• 申請（專利權）人: 浙江科技學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 寧波奧圣專利代理事務所(普通合伙) 33226
• 代理人: 周玨

本發明公開了一種基于無監督特征學習的無參考屏幕圖像質量評價方法，其先獲取若干幅無失真屏幕圖像的歸一化屏幕圖像；然后根據該歸一化屏幕圖像，并采用ZCA操作和無監督聚類算法，獲得字典碼書；接著獲取待評價的失真屏幕圖像的歸一化屏幕圖像；而后采用Gaussian kernel similarity weight方法和K?Nearest Neighbor方法對該歸一化屏幕圖像進行處理，獲得權值特征矩陣；再根據字典碼書和權值特征矩陣，并采用LLC算法，獲得LLC特征向量；最后利用支持向量回歸技術對LLC特征向量進行測試，預測得到待評價的失真屏幕圖像的客觀質量評價預測值；優點是能夠充分考慮到局部信息變化對視覺質量的影響，從而能夠提高客觀評價結果與主觀感知之間的相關性。

技術領域

本發明涉及一種圖像質量評價方法，尤其是涉及一種基于無監督特征學習的無參考屏幕圖像質量評價方法。

背景技術

圖像是人類獲取信息的重要途徑，圖像質量表示圖像向人或設備提供信息的能力，直接關系著所獲取信息的充分性與準確性。然而，圖像在獲取、處理、傳輸和存儲的過程中，由于各種因素影響將不可避免的產生降質問題，這給信息的獲取或圖像的后期處理帶來了極大困難。因此，建立有效的圖像質量評價機制非常重要，如在圖像去噪、圖像融合等處理過程中可用于各種算法的性能比較、參數選擇；在圖像編碼與通信領域可用于指導整個圖像的傳輸過程并評估系統性能。

圖像質量評價方法可以分為兩類：主觀評價方法和客觀評價方法，前者是由觀察者對圖像質量進行評分，得到平均評價分用以衡量圖像質量；后者利用數學模型計算圖像質量。主觀評價方法的實驗結果比較可靠，但費時費力。客觀評價方法又可分為三類：全參考圖像質量評價方法、半參考圖像質量評價方法和無參考圖像質量評價方法，當前研究最多的是全參考圖像質量評價方法，但是多數應用中無法獲得相應的原始圖像，因此，無參考圖像質量評價方法的研究更具實用價值。

無參考圖像質量評價方法可分為特定失真評價方法和通用評價方法兩種，特定失真評價方法只能對某種特定失真類型的圖像進行評價，例如JPEG、JPEG2K及Gblur失真等，無法對其它失真類型的圖像及多種處理技術處理后的圖像進行質量評價；通用評價方法可以同時對多種失真類型的圖像進行質量評價。

現有的通用無參考圖像質量評價方法主要針對一般的圖像，而針對特殊圖像(例如，屏幕圖像)的研究相對較少，由于屏幕圖像含有文字、圖形和圖像等內容，因此對屏幕圖像采用通用無參考的評價方法更具有挑戰性。

發明內容

本發明所要解決的技術問題是提供一種基于無監督特征學習的無參考屏幕圖像質量評價方法，其能夠充分考慮到局部信息變化對視覺質量的影響，從而能夠提高客觀評價結果與主觀感知之間的相關性。

本發明解決上述技術問題所采用的技術方案為：一種基于無監督特征學習的無參考屏幕圖像質量評價方法，其特征在于包括以下步驟：

步驟①：選取N幅無失真屏幕圖像，將第i幅無失真屏幕圖像記為{I_i,org(x,y)}；然后獲取每幅無失真屏幕圖像的歸一化屏幕圖像，將{I_i,org(x,y)}的歸一化屏幕圖像記為接著采用ZCA操作對每幅無失真屏幕圖像的歸一化屏幕圖像進行處理，得到每幅無失真屏幕圖像的歸一化屏幕圖像的ZCA操作結果圖像；再采用無監督聚類算法對所有無失真屏幕圖像的歸一化屏幕圖像的ZCA操作結果圖像進行聚類操作，得到矩陣形式表示的字典碼書，記為{C_org(x,y)}；