[發(fā)明專利]一種通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911321628.0
• 申請(qǐng)日: 2019-12-20
• 公開(kāi)（公告）號(hào): CN111145150B
• 公開(kāi)（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 徐寧珊;劉盾;邊疆;任國(guó)強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院光電技術(shù)研究所
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/764;G06V10/762;G06V10/74
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，該方法利用圖像塊匹配和灰度共生矩陣來(lái)加強(qiáng)自然圖像的特征表達(dá)，其特征在于：包括以下步驟：

(1)廣泛收集具有高視覺(jué)質(zhì)量的自然場(chǎng)景圖像，包括人、動(dòng)物、風(fēng)景、遙感場(chǎng)景，建立自然圖像質(zhì)量參考模型訓(xùn)練樣本集；

(2)對(duì)訓(xùn)練樣本集中的圖像進(jìn)行分塊，并從每個(gè)圖像塊中提取圖像自然場(chǎng)景統(tǒng)計(jì)特征和灰度共生矩陣特征；

(3)對(duì)得到的圖像特征向量進(jìn)行PCA降維，然后對(duì)降維后的圖像特征向量進(jìn)行MVG(Multivariate Gaussian，多元高斯)模型擬合，得到最終的圖像質(zhì)量參考模型；

(4)對(duì)給定的測(cè)試圖像進(jìn)行圖像分塊，通過(guò)塊匹配對(duì)相似圖像塊進(jìn)行聚類得到多個(gè)圖像塊組，同時(shí)記錄每次塊匹配過(guò)程的相似度和匹配塊方位；

(5)從每個(gè)圖像塊組中提取圖像自然場(chǎng)景統(tǒng)計(jì)特征和灰度共生矩陣特征，并對(duì)特征向量進(jìn)行PCA降維；

(6)對(duì)每個(gè)塊組經(jīng)過(guò)降維后的圖像特征向量分別進(jìn)行MVG模型擬合，然后計(jì)算此模型與預(yù)訓(xùn)練得到的圖像質(zhì)量參考模型之間的巴氏距離得到該塊組中心圖像塊的質(zhì)量初步估計(jì)；

(7)利用之前記錄的塊匹配相似度作為權(quán)值，將每個(gè)塊組里的相似塊的質(zhì)量初步估計(jì)進(jìn)行加權(quán)平均，得到該塊組中心圖像塊質(zhì)量的進(jìn)一步估計(jì)；

(8)對(duì)每個(gè)中心圖像塊的二次質(zhì)量估計(jì)結(jié)果進(jìn)行平權(quán)平均得到測(cè)試圖像的最終圖像質(zhì)量評(píng)價(jià)結(jié)果。

2.按權(quán)利要求1所述的通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特征在于：收集具有高視覺(jué)質(zhì)量的自然場(chǎng)景圖像以及自然圖像質(zhì)量參考模型訓(xùn)練樣本集的建立包括以下步驟：

1)通過(guò)各種渠道收集具有高分辨率、高對(duì)比度、無(wú)明顯色彩失真的可見(jiàn)光自然圖像，并且要求圖像類別涵蓋人物、動(dòng)物、風(fēng)景、各類遙感場(chǎng)景，將圖像依次進(jìn)行編號(hào)；

2)組織5名或5名以上科研人員，用國(guó)際通用的主觀圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)對(duì)這幾名人員進(jìn)行培訓(xùn)，然后安排他們對(duì)收集到的所有高視覺(jué)質(zhì)量自然圖像進(jìn)行主觀評(píng)判，僅留下獲得全體評(píng)判人員一致同意的高質(zhì)量自然圖像作為實(shí)驗(yàn)圖像，以此建立圖像質(zhì)量參考模型的訓(xùn)練樣本集。

3.按權(quán)利要求1所述的通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特征在于：對(duì)圖像訓(xùn)練樣本集中的圖像進(jìn)行分塊，并從每個(gè)圖像塊中提取自然圖像場(chǎng)景統(tǒng)計(jì)特征和灰度共生矩陣特征包括以下步驟：

將訓(xùn)練樣本集中的圖像分成大小為84×84的圖像塊，然后依次從各圖像塊中提取MSCN(Mean Subtracted Contrast Normalized)系數(shù)、色彩、梯度、log-Gabor濾波器響應(yīng)、GLCM(Gray-level co-occurrence matrix，灰度共生矩陣)五類特征向量，用于描述圖像的光學(xué)特征、色彩特征、結(jié)構(gòu)特征和紋理特征。

4.按權(quán)利要求1所述的通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特征在于：對(duì)給定的測(cè)試圖像進(jìn)行圖像分塊和相似塊聚類包括以下步驟：

給定一幅需要進(jìn)行質(zhì)量評(píng)價(jià)的測(cè)試圖像，首先對(duì)其進(jìn)行84×84的圖像分塊，得到N個(gè)原始圖像塊，然后依次以每一塊作為中心塊與其他圖像塊進(jìn)行遍歷的塊匹配，所有相似塊將聚集在一個(gè)塊組里，最終得到N個(gè)塊組；在這個(gè)過(guò)程中，取結(jié)構(gòu)相似度SSIM(StructuralSimilarity)作為相似度測(cè)度，相似度計(jì)算值高于閾值0.69的圖像塊認(rèn)為其與中心圖像塊相似，該相似塊在原圖像中的位置以及計(jì)算得到的相似度將對(duì)應(yīng)的記錄在另外一個(gè)矩陣中。

5.按權(quán)利要求1所述的通用型無(wú)參考圖像質(zhì)量評(píng)價(jià)方法，其特征在于：對(duì)塊組內(nèi)相似塊的質(zhì)量初步估計(jì)進(jìn)行加權(quán)平均得到該塊組中心圖像塊質(zhì)量的進(jìn)一步估計(jì)包括以下步驟：

得到每個(gè)圖像塊的像質(zhì)初步估計(jì)之后，提取各相似塊組的相似度向量，將相似度值作為權(quán)值對(duì)塊組中的所有相似塊的像質(zhì)初步估計(jì)值進(jìn)行加權(quán)平均，得到該塊組中心圖像塊的像質(zhì)進(jìn)一步估計(jì)結(jié)果。