[發(fā)明專利]一種多視覺特征集成的無參考超分辨圖像質(zhì)量評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010086336.X
• 申請(qǐng)日: 2020-02-11
• 公開（公告）號(hào): CN111325720B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 張凱兵;朱丹妮;羅爽;盧健;李敏奇;劉薇;蘇澤斌;景軍鋒;陳小改
• 申請(qǐng)（專利權(quán)）人: 廈門風(fēng)云科技股份有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/764;G06V10/766
• 代理公司: 深圳市蘭鋒盛世知識(shí)產(chǎn)權(quán)代理有限公司 44504
• 代理人: 羅炳鋒

本發(fā)明公開了一種多視覺特征集成的無參考超分辨圖像質(zhì)量評(píng)價(jià)方法，包括以下步驟：首先分別提取圖像的三類統(tǒng)計(jì)特性，即局部頻域特征、全局頻域特征和空間域特征，采用多分辨率的分析方法描述超分辨圖像的失真機(jī)理；其次，建立并利用AdaBoost決策樹回歸模型獲取每類統(tǒng)計(jì)特征的預(yù)測(cè)分?jǐn)?shù)，然后再利用脊回歸模型層次化建立統(tǒng)計(jì)特征的預(yù)測(cè)分?jǐn)?shù)與主觀質(zhì)量分?jǐn)?shù)之間的映射對(duì)應(yīng)關(guān)系，訓(xùn)練評(píng)價(jià)模型進(jìn)而評(píng)價(jià)超分辨圖像的質(zhì)量。本發(fā)明提出了由粗到精的層次化回歸模型以預(yù)測(cè)超分辨圖像的質(zhì)量，先通過AdaBoost決策樹回歸模型粗略預(yù)測(cè)超分辨圖像質(zhì)量分?jǐn)?shù)，然后通過脊回歸模型進(jìn)行層次化回歸，以進(jìn)一步提高評(píng)估準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種多視覺特征集成的無參考超分辨圖像質(zhì)量評(píng)價(jià)方法。

背景技術(shù)

圖像超分辨率重建技術(shù)通常被用于從一個(gè)或幾個(gè)低分辨率圖像生成具有更多細(xì)節(jié)的高分辨率圖像。這項(xiàng)技術(shù)在許多領(lǐng)域中都有廣泛的應(yīng)用，例如計(jì)算機(jī)視覺，遙感影像，視頻監(jiān)控以及生活?yuàn)蕵贰Ｆ駷橹梗芯咳藛T已經(jīng)提出了大量的超分辨重建算法。通常情況下，不同的超分辨圖像表現(xiàn)出不同的退化程度，這取決于不同超分辨算法的性能。為了提高不同超分辨算法的性能，有必要評(píng)估重建結(jié)果圖像的質(zhì)量，使得評(píng)估結(jié)果與人類視覺系統(tǒng)(HVS)?的感知質(zhì)量一致。現(xiàn)有的超分辨算法性能主要通過兩種方法來衡量，即主觀質(zhì)量評(píng)估和客觀質(zhì)量評(píng)估。毋庸置疑，人類的主觀判斷是評(píng)估超分辨圖像質(zhì)量的最直接且最可靠的方法。但是，主觀質(zhì)量評(píng)估過程是相當(dāng)昂貴和費(fèi)時(shí)的，在實(shí)際應(yīng)用中難以嵌入到超分辨重建系統(tǒng)中。因此，設(shè)計(jì)一種合理的客觀圖像質(zhì)量評(píng)估算法，以自動(dòng)量化超分辨圖像的質(zhì)量，并進(jìn)一步優(yōu)化超分辨算法，對(duì)理論研究和實(shí)際應(yīng)用都具有重要意義。

根據(jù)參考原始圖像信息的使用信息量，客觀質(zhì)量評(píng)價(jià)方法可以分為三大類：全參考型方法，部分參考型方法以及無參考型方法。全參考型方法需要原始高質(zhì)量圖像作為參考，以度量生成的超分辨圖像的質(zhì)量。在圖像處理領(lǐng)域中，通常使用的方法為均方誤差(MSE)和峰值信噪比(PSNR)。此外，研究人員也采用基于HVS的感知特性的評(píng)價(jià)方法，結(jié)構(gòu)相似性(SSIM)，特征相似性(FSIM)，信息保真度標(biāo)準(zhǔn)(IFC)和視覺信息保真度(VIF)對(duì)超分辨圖像的質(zhì)量進(jìn)行度量。但是，這些度量標(biāo)準(zhǔn)不是為評(píng)價(jià)超分辨圖像設(shè)計(jì)的，而且在實(shí)際生活中難以獲取原始的參考圖像。因此，全參考型方法難以嵌入到實(shí)際應(yīng)用中，并且不適合評(píng)估超分辨圖像的退化程度。與全參考型方法類似，部分參考型方法也需要原始高分辨圖像的信息作參考，因此這類方法也并沒有受到研究者的廣泛青睞。無參考型評(píng)價(jià)方法可以無需高分辨的參考圖像，因此廣泛地引入圖像質(zhì)量評(píng)價(jià)的研究。

對(duì)于已有的無參考型圖像質(zhì)量評(píng)價(jià)方法，首先提取能表征圖像質(zhì)量的特征，然后采用回歸方法建立特征與主觀分?jǐn)?shù)之間的映射關(guān)系，從而形成圖像質(zhì)量評(píng)價(jià)模型。雖然現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法表現(xiàn)較優(yōu)，但是現(xiàn)有方法仍然存在一些問題，如現(xiàn)有方法提取單一性的特征描述圖像質(zhì)量，此外現(xiàn)有方法利用簡(jiǎn)單的線性回歸建立映射模型，難以表征超分辨圖像的降質(zhì)機(jī)理，不能準(zhǔn)確評(píng)價(jià)圖像的質(zhì)量，導(dǎo)致超分辨圖像難以有效評(píng)價(jià)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種多視覺特征集成的無參考超分辨圖像質(zhì)量評(píng)價(jià)方法，解決了現(xiàn)有技術(shù)中存在的圖像質(zhì)量評(píng)價(jià)方法難以表征超分辨圖像的降質(zhì)機(jī)理，不能準(zhǔn)確評(píng)價(jià)圖像的質(zhì)量，導(dǎo)致超分辨圖像難以有效評(píng)價(jià)的問題。

本發(fā)明所采用的技術(shù)方案是，一種多視覺特征集成的無參考超分辨圖像質(zhì)量評(píng)價(jià)方法，質(zhì)量評(píng)價(jià)方法包括以下步驟：首先分別提取圖像的三類統(tǒng)計(jì)特性，即局部頻域特征、全局頻域特征和空間域特征，采用多分辨率的分析方法描述超分辨圖像的失真機(jī)理；其次，建立并利用AdaBoost決策樹回歸模型獲取每類統(tǒng)計(jì)特征的預(yù)測(cè)分?jǐn)?shù)，然后再利用脊回歸模型層次化建立統(tǒng)計(jì)特征的預(yù)測(cè)分?jǐn)?shù)與主觀質(zhì)量分?jǐn)?shù)之間的映射對(duì)應(yīng)關(guān)系，訓(xùn)練評(píng)價(jià)模型進(jìn)而評(píng)價(jià)超分辨圖像的質(zhì)量。

本發(fā)明的特點(diǎn)還在于：

具體包括以下步驟：

一、質(zhì)量評(píng)價(jià)模型訓(xùn)練階段