[發明專利]一種基于先驗感知質量特征圖的無參考圖像質量客觀評價方法

有效

• 申請號: 201711488518.4
• 申請日: 2017-12-30
• 公開（公告）號: CN108074239B
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 史萍;潘達;侯明;應澤峰;韓明良;傅思喆
• 申請（專利權）人: 中國傳媒大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于先驗感知質量特征圖的無參考圖像質量客觀評價方法，本發明通過待評價圖像先由全卷積網絡生成感知質量特征圖，再由深度網絡對感知質量特征圖進行池化得到主觀分數的方法，實現圖像的無參考質量評價。由全參考圖像質量評價方法生成的感知質量特征圖做為標簽訓練基于U?net的相似質量圖生成全卷積網絡，由主觀評價分數作為標簽訓練感知質量特征圖質量分數池化網絡，失真圖通過訓練好的質量特征圖生成全卷積網絡和質量分數池化網絡生成質量特征圖和質量評價分數。本發明在得到失真圖像質量分數的同時，還可以得到一張反映失真區域及程度的感知質量特征圖，能更好的反應失真圖像的失真程度和失真信息。

技術領域

本發涉及一種基于先驗感知質量特征圖的無參考圖像質量客觀評價方法，屬于數字圖像處理技術領域。

背景技術

圖像作為視覺信息的來源,蘊含了大量的有價值信息。圖像質量的好壞直接影響到人們的主觀感受和信息量獲取,圖像質量評價(Image quality assessment,IQA)的研究也在近20年受到廣泛的重視。

圖像質量評價可以分為主觀評價方法和客觀評價方法。主觀評價由觀察者對圖像質量進行主觀評分,但主觀評價工作量大、耗時長,不方便；客觀評價方法是由計算機根據一定算法計算得到圖像的質量指標,根據評價時是否需要參考圖像又可以分為全參考(Full reference,FR)、半參考(部分參考)(Reduced reference,RR)和無參考(Noreference,NR)等三類評價方法:

(1)全參考圖像質量評價方法。FR算法是指在給定理想圖像作為參考圖像的標準下，比較待評價圖像與參考圖像之間的差異，分析待評價圖像的失真程度，從而得到待評價圖像的質量評估。常見的FR方法的有：基于圖像像素統計基礎的圖像質量評價(主要有峰值信噪比和均方誤差)、基于信息論基礎的圖像質量評價(主要有信息保真度準則和視覺信息保真度)、基于結構信息基礎的圖像質量評價(主要為結構相似度)。FR算法是目前為止在客觀圖像評價中最可靠的方法。

(2)半參考圖像質量評價方法。RR算法是以提取參考圖像的部分特征信息作為參考，對待評測圖像進行比較分析，從而得到圖像的質量評估。常見的RR算法主要為：基于原始圖像特征方法、基于數字水印方法和基于Wavelet域統計模型的方法。

(3)無參考圖像質量評價方法。NR算法是指沒有理想圖像下，對待評測圖像進行質量評估的方法。常用的NR算法主要為：基于塊壓縮的方法、基于深度學習的方法(CNN、BIECON等)。

針對圖像在獲取、處理、傳輸和記錄的過程中，由于成像系統、處理方法、傳輸介質和記錄設備等不完善，加之物體運動、噪聲干擾等原因所造成的圖像失真和圖像降質的問題，往往要對失真圖像質量進行定量的評價，由失真圖像直接得到主觀評價分數而不使用失真圖像的參考圖像，稱為無參考圖像質量客觀評價。

發明內容

針對現有圖像質量評價中無參考圖像質量評價性能差的問題，本發明提出了一種無參考質量客觀評價方法，利用全參考圖像質量客觀評價方法生成的先驗感知質量特征圖作為訓練標簽訓練深度全卷積網絡，使失真圖像通過全卷積網絡可以產生一個感知質量特征圖，并訓練分數池化網絡，由得到的感知質量特征圖得到最后的圖像主觀質量分數。

本發明采用的技術方案為一種基于先驗感知質量特征圖的無參考圖像質量客觀評價方法，包括以下步驟：

步驟1，生成先驗感知質量特征圖像庫。

選取失真圖像數據庫，由每一張失真圖像和其參考圖像運用全參考圖像質量評價方法FSIM生成失真梯度信息圖FSIMg，由所有失真圖像的FSIMg作為先驗感知質量特征圖像庫。

步驟2，訓練感知質量特征圖生成網絡。