[發(fā)明專利]一種圖像清晰度的質量評價方法

在審

• 申請?zhí)枺?/td>: 201811106075.2
• 申請日: 2018-09-20
• 公開（公告）號: CN109345520A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設計）人: 湯麗娟;孫克爭;高曉東
• 申請（專利權）人: 江蘇商貿職業(yè)學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 顧森燕

本發(fā)明提供了一種圖像清晰度的質量評價方法，將失真圖像轉換為灰度圖像，然后進行奇異值分解，提取圖像結構和亮度方面的失真信息；考慮到顏色信息在圖像的質量評價中起著重要的作用，利用四元數能夠將圖像的顏色信息作為一個整體處理，四元數奇異值分解的研究表明四元數分解產生的奇異值能夠反映圖像視覺感知表示的變化，因此四元數的奇異值能夠用來評價自然失真圖像的清晰度；提取結構和顏色方面的特征后，利用支持向量回歸模型來評價含有真實模糊失真圖像的質量。

技術領域

本發(fā)明涉及一種圖像清晰度的質量評價方法，特別涉及一種利用灰度圖像的奇異值分 解提取結構和亮度方面失真信息，利用四元數的奇異值分解提取顏色的整體失真信息的圖 像清晰度的質量評價方法和裝置。

背景技術

信息技術的快速發(fā)展，為圖像的傳輸和采集提供了便利。然而受外在因素或內在因素 的制約，圖像和視頻在傳輸、采集、壓縮和顯示等過程中不可避免地會引入失真，導致圖 像質量的下降。如何評價這些圖像的質量變得尤為重要。

由于清晰度在圖像質量評價中起到了關鍵作用，引起了學者們的關注。在文獻Marziliano P，Dufaux F，Winkler S，et al.Perceptual blur and ringing metrics：application to JPEG2000[J].Signal Processing-Image Communication，2004，19(2)：163-172，作者提出了一 種針對圖像清晰度的質量評價算法，該算法計算所有邊緣的平均寬度，對圖像進行邊緣檢 測，給出圖像的清晰度分數。在文獻Ferzli R，Karam L J.A No-Reference Objective Image Sharpness Metric Based on the Notion of JustNoticeable Blur(JNB)，IEEE Transactions on Image Processing，2009，18(4)：717-728.，作者提出了恰可見模糊并與概率求和模型結合，給 出圖像清晰度的質量分數。在文獻：Narvekar N D，Karam L J.A No-Reference Image Blur Metric Based on theCumulative Probability of Blur Detection(CPBD)，IEEE Transactions on ImageProcessing，2011，20(9)：2678-2683，作者通過計算模糊檢測的累計概率預測圖像的清 晰度。在文獻：Li L，Lin W，Wang X，et al.No-Reference Image Blur Assessment Based onDiscrete Orthogonal Moments，IEEE Transactions on Cybemetics，2016，46(1)：39-50，作者利 用離散正交矩預測圖像的清晰度分數。Bahrami等提出了一種基于最大局部變化量(Maximum Local Variation，MLV)的圖像清晰度質量評價算法，利用MLV分布的標準差作為圖像的清晰度分數。Sang等提出一種基于奇異值曲線的清晰度評價算法(SingularValue Curve，SVC)。在文獻：Vu P V，Chandler D M.A Fast Wavelet-Based Algorithmfor Global and Local Image Sharpness Estimation，IEEE Signal ProcessingLetters，2012，19(7)：423-426，作 者提出將圖像進行離散小波變換，計算變換后子帶的能量，給出圖像的清晰度質量分數。

然而上述這些圖像清晰度評價算法對計算機合成的模糊失真有效，但對含有真實模糊 失真的圖像效果不理想。因為自然失真圖像包含各種原因引起的復雜模糊類型不容易被建 模。因此，設計出能夠評價含有真實模糊失真的自然失真圖像的算法具有很大的挑戰(zhàn)性。

發(fā)明內容