[發(fā)明專利]結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法在審
| 申請?zhí)枺?/td> | 202010112724.0 | 申請日： | 2020-02-24 |
| 公開（公告）號： | CN111325733A | 公開（公告）日： | 2020-06-23 |
| 發(fā)明（設(shè)計）人： | 劉玉濤;李秀 | 申請（專利權(quán)）人： | 清華大學(xué)深圳國際研究生院 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06N3/08 |
| 代理公司： | 深圳新創(chuàng)友知識產(chǎn)權(quán)代理有限公司 44223 | 代理人： | 王震宇 |
| 地址： | 518055 廣東省深圳市*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 結(jié)合 低層 視覺 高層 統(tǒng)計 特征 圖像 質(zhì)量 評價 方法 | ||
1.一種結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，包括如下步驟：
S1，將圖像進(jìn)行局部歸一化，提取低層視覺統(tǒng)計特征；
S2，將圖像進(jìn)行稀疏表示，計算表示殘差，提取高層視覺統(tǒng)計特征；
S3，訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)從步驟S1和步驟S2提取的圖像特征到圖像質(zhì)量的映射模型，以預(yù)測圖像質(zhì)量。
2.根據(jù)權(quán)利要求1所述的結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，所述步驟S1中，利用圖像局部的均值和方差對圖像進(jìn)行局部的歸一化，得到歸一化系數(shù)圖像，然后截取歸一化系數(shù)分布中的一段分布，作為描述圖像質(zhì)量變化的低層視覺特征向量。
3.根據(jù)權(quán)利要求2所述的結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，所述步驟S1具體包括：對圖像進(jìn)行局部歸一化，得到局部歸一化系數(shù)；圖像的歸一化系數(shù)可以被計算為：
其中，I為輸入圖像，(x,y)表示位置信息，表示歸一化系數(shù)圖像，μ(x,y)，σ(x,y)為以(x,y)為中心局部的均值和方差，歸一化系數(shù)即為原始圖像局部去掉均值，并利用局部均值進(jìn)行歸一化，μ(x,y)和σ(x,y)的計算方法如下：
其中，ω＝{ωs,t|s＝-S,...,S；t＝-T,...,T}代表對稱的高斯濾波器，局部圖像塊的寬度為2S,高度為2T，S和T取值都為16；然后，將區(qū)間[-2,2]平均分為20個子區(qū)間，步長為0.2，然后取落在每一個子區(qū)間的歸一化系數(shù)的數(shù)量，構(gòu)成一個20維的低層視覺特征向量。
4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，所述步驟S2中，將輸入圖像進(jìn)行稀疏表示，然后計算表示殘差，截取殘差分布中的一段分布，作為描述圖像質(zhì)量變化的高層視覺特征向量。
5.根據(jù)權(quán)利要求4所述的結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，所述步驟S2具體包括：首先對圖像進(jìn)行稀疏表示，對于圖像I，首先提取其中一個圖像塊進(jìn)行稀疏表示，假設(shè)為其大小為該過程表示為：
xk＝Rk(I)
其中，Rk(·)為圖像塊提取算子，提取在位置k的圖像塊，k＝1,2,3,....,n，n表示圖像塊的總數(shù)；
對于圖像塊xk，它在字典上的稀疏表示是指求一個稀疏向量αk中大多數(shù)元素為0或者接近于0，滿足：
其中，第一項(xiàng)為保真度項(xiàng)，第二項(xiàng)稀疏約束項(xiàng)，λ為常數(shù)，用來平衡兩項(xiàng)的比重，p取值為0或1，優(yōu)選將p設(shè)置為1，上式變?yōu)橥箖?yōu)化問題的求解，利用正交匹配追蹤算法(OMP)求解上式，得到圖像塊xk的稀疏表示系數(shù)則xk稀疏表示為整幅圖像I的稀疏表示為：
其中，I′表示圖像I的稀疏表示；然后計算稀疏表示殘差，在區(qū)間[-50,50]上，將區(qū)間分為100個相等的子區(qū)間，每個區(qū)間間隔為1，然后取表示殘差的值落在每個子區(qū)間里的個數(shù)作為特征，得到一個100維的高層視覺特征向量。
6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的結(jié)合低層視覺與高層視覺統(tǒng)計特征的圖像質(zhì)量評價方法，其特征在于，所述步驟S3中，設(shè)計一個四層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)，包括三個隱含層和一個線性回歸層，然后對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到一個圖像特征到圖像質(zhì)量的映射模型，以利用該模型來預(yù)測圖像的質(zhì)量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué)深圳國際研究生院，未經(jīng)清華大學(xué)深圳國際研究生院許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010112724.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
