[發(fā)明專利]一種特征字典映射的圖像盲評(píng)價(jià)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811556919.3
• 申請(qǐng)日: 2018-12-19
• 公開（公告）號(hào): CN109635874A
• 公開（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 王偉;王躍利
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍軍事科學(xué)院評(píng)估論證研究中心
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/10
• 代理公司: 北京東正專利代理事務(wù)所(普通合伙) 11312
• 代理人: 李夢(mèng)福

本發(fā)明公開了一種特征字典映射的圖像盲評(píng)價(jià)方法，該圖像盲評(píng)價(jià)方法包括：S1：根據(jù)LIVE圖像數(shù)據(jù)庫(kù)，提取訓(xùn)練圖像的特征；S2：根據(jù)訓(xùn)練圖像提取的特征，獲得圖像的質(zhì)量等級(jí)模型字典；S3：根據(jù)質(zhì)量等級(jí)模型字典，評(píng)價(jià)任意待評(píng)價(jià)圖像的質(zhì)量。本發(fā)明還公開了一種特征字典映射的圖像盲評(píng)價(jià)裝置，該圖像盲評(píng)價(jià)裝置包括：特征提取模塊、學(xué)習(xí)訓(xùn)練模塊和質(zhì)量評(píng)價(jià)模塊。本發(fā)明較現(xiàn)有的其它圖像盲評(píng)價(jià)方法具有更高的準(zhǔn)確度和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，特別涉及一種特征字典映射的圖像盲評(píng)價(jià)方法和裝置。

背景技術(shù)

數(shù)字影像技術(shù)的發(fā)展拉近了人與自然的距離。但是由于各種各樣的失真，比如圖像退化和畸變，可能會(huì)讓圖像丟失有用的信息，因此如何正確評(píng)價(jià)失真圖像的質(zhì)量成為當(dāng)前的迫切需要。理論上，人類視覺系統(tǒng)(HVS)是最有效和最直接評(píng)價(jià)圖像質(zhì)量的方式，但是其收集大量人類打分?jǐn)?shù)據(jù)的過程卻極其耗時(shí)和復(fù)雜。

學(xué)界對(duì)圖像質(zhì)量評(píng)價(jià)的研究已經(jīng)有較長(zhǎng)時(shí)間。一般情況下，可以通過直接計(jì)算失真圖像及其對(duì)應(yīng)原始清晰圖像之間的差距來(lái)衡量圖像質(zhì)量。但是在很多情況下，往往只有失真后的圖像，并沒有該失真圖像失真前的清晰圖像做參考。出現(xiàn)這種問題影響了圖像質(zhì)量評(píng)價(jià)的進(jìn)程，繼而可能會(huì)給后續(xù)分析帶來(lái)麻煩，因此怎樣設(shè)計(jì)出一個(gè)不需要失真前清晰圖像的盲圖像質(zhì)量評(píng)價(jià)系統(tǒng)，是該系統(tǒng)要解決的主要問題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種特征字典映射的圖像盲評(píng)價(jià)方法和裝置，較現(xiàn)有的其它算法具有更高的準(zhǔn)確度和魯棒性。

第一方面，本發(fā)明實(shí)施例提供了一種特征字典映射的圖像盲評(píng)價(jià)方法，該圖像盲評(píng)價(jià)方法包括：

S1：根據(jù)LIVE圖像數(shù)據(jù)庫(kù)，提取訓(xùn)練圖像的特征；

S2：根據(jù)訓(xùn)練圖像提取的特征，獲得圖像的質(zhì)量等級(jí)模型字典；

S3：根據(jù)質(zhì)量等級(jí)模型字典，評(píng)價(jià)任意待評(píng)價(jià)圖像的質(zhì)量。

優(yōu)選地，步驟S1的具體過程包括：

S11：對(duì)訓(xùn)練圖像進(jìn)行高斯濾波，得到訓(xùn)練濾波圖像；所述訓(xùn)練圖像為L(zhǎng)IVE圖像數(shù)據(jù)庫(kù)中具有人類打分?jǐn)?shù)據(jù)的圖像；

S12：將訓(xùn)練濾波圖像分割成互相重疊的圖像塊；

S13：從各訓(xùn)練濾波圖像塊中提取局部特征；

S14：從各訓(xùn)練濾波圖像塊中提取全局特征；

S15：由所述全局特征和所述局部特征共同組成該圖像塊的特征向量。

優(yōu)選地，步驟S12中采用顯著性準(zhǔn)則和梯度幅值準(zhǔn)則提取局部特征；

所述顯著性準(zhǔn)則為：

S(x,y)＝‖I_μ-I_ωhc(x,y)‖

其中，(x,y)為二維圖像中的橫縱坐標(biāo)點(diǎn)；S(x,y)為(x,y)點(diǎn)的顯著性；I_μ是圖像塊局部特征的均值；I_ωhc(x,y)為訓(xùn)練圖像進(jìn)行高斯模糊后(x,y)點(diǎn)的像素值；||*||是L2范數(shù)；

所述梯度幅值準(zhǔn)則為：

其中，G_x為訓(xùn)練圖像相應(yīng)像素位置的水平梯度；G_y為訓(xùn)練圖像相應(yīng)像素位置的垂直梯度。

優(yōu)選地，步驟S14中采用無(wú)參考圖像質(zhì)量評(píng)價(jià)BRISQUE模型提取圖像塊所有像素值的峭度值S和峰度值K的統(tǒng)計(jì)特性作為全局特征；

所述的峭度值S為：

所述的峰度值K為：