[發明專利]實現圖像質量評價控制的方法、計算機可讀存儲介質和處理器

有效

• 申請號: 201811341123.6
• 申請日: 2018-11-12
• 公開（公告）號: CN109447980B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 姚晨;夏嫣;李小凡;朱佳敏
• 申請（專利權）人: 公安部第三研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 王潔;鄭暄

本發明涉及一種計算機軟件系統中基于梯度空間特征統計實現圖像質量評價控制的方法，包括以下步驟：系統讀入圖像信息并對圖像做灰階變換并得到灰階圖像；根據所得到的灰階圖像進行圖像梯度空間計算；根據所述的圖像梯度空間計算高斯相似度特征；對所得到的高斯相似度特征進行從低到高排序，并計算得到圖像質量評價結果。本發明還涉及一種計算機可讀存儲介質和處理器。采用了本技術方案，充分利用了圖像場景中梯度局部特征，通過高斯相似度計算實現了關鍵特征點的提取，從而克服了傳統方法所無法解決的問題。

技術領域

本發明涉及圖像處理領域，尤其涉及圖像質量評價領域，具體是指一種計算機軟件系統中基于梯度空間特征統計實現圖像質量評價控制的方法、計算機可讀存儲介質和處理器。

背景技術

在現實應用中，圖像在獲取、壓縮、傳輸以及存儲過程中會因設備故障、電磁干擾等主、客觀因素的影響，而不可避免的引入失真，這些失真會造成畫面質量的下降，因此有效的評價圖像的質量對于圖像運維、應用方面有著重大意義。在圖像質量評價技術中，主流的方法有基于參考圖像的統計方法和無參考的統計分析的方法，前者通過比較源圖像和失真圖像全局或局部的差異,并求出該差異的統計量，再將圖像質量與統計量關聯，但是需要嚴格的有參考圖像的支撐，實際應用環境很難獲取源圖像導致該方法無法大規模推廣。基于機器學習的無參考圖像質量評價方法假定質量相近的圖像特征具有相同的統計規律,且該統計量的概率分布可通過學習的方法獲取，該方法相對于基于參考圖像的統計方法對不同的圖像類型和應用場景具有較好的適應性。

經過對現有技術的文獻檢索發現，現有技術通常依賴于圖像場景的高斯分布假設。如AK Moorthy,AC Bovik在《IEEE Transactions on image processing》(IEEE圖像處理期刊)第12卷，第20期，第3350-3364頁發表的“Blind image quality assessment:Fromnatural scene statistics to perceptual quality”一文提出的基于頻率域的自然場景統計。A Mittal,AK Moorthy和AC Bovik在《IEEE Transactions on image processing》(IEEE圖像處理期刊)第12卷，第21期，第4695-4708頁發表的“No-reference imagequality assessment in the spatial domain”一文提出的基于空間域自然場景統計。然而，這些方法未能考慮到圖像場景中的實際特征分布，從而對于一些監控的圖像質量預測不夠準確。

發明內容

本發明的目的是克服了上述現有技術的缺點，提供了一種基于圖像梯度計算、滿足光照不均勻條件、適用范圍較為廣泛的計算機軟件系統中基于梯度空間特征統計實現圖像質量評價控制的方法、計算機可讀存儲介質和處理器。

為了實現上述目的，本發明的計算機軟件系統中基于梯度空間特征統計實現圖像質量評價控制的方法、計算機可讀存儲介質和處理器如下：

該計算機軟件系統中基于梯度空間特征統計實現圖像質量評價控制的方法，其主要特點是，所述的方法包括以下步驟：

(1)系統讀入圖像信息并對圖像做灰階變換并得到灰階圖像；

(2)根據所得到的灰階圖像進行圖像梯度空間計算；

(3)根據所述的圖像梯度空間計算高斯相似度特征；

(4)對所得到的高斯相似度特征進行從低到高排序，并計算得到圖像質量評價結果。

較佳地，所述的步驟(1)中的對圖像做灰階變換，具體為：

根據以下公式對圖像進行從彩色到灰階的變換：

I＝0.299×R+0.587×G+0.114×B，

其中，R、G、B分別為所述的圖像信息中各個像素點的紅色、綠色、藍色的數值，I為灰階轉換后圖像的各個像素點的數值。