[發明專利]圖像質量分數分布的預測方法、系統、終端及介質

在審

• 申請號: 202110829971.7
• 申請日: 2021-07-22
• 公開（公告）號: CN113628175A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 閔雄闊;高藝璇;朱文瀚;吳思婧;曹于勤;翟廣濤
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06F17/18;G06N20/10
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

本發明公開一種圖像質量分數分布的預測方法、系統、終端及介質，其中方法包括：提取圖像的自然場景統計特征；利用提取的所述自然場景統計特征通過訓練四個不同的支持向量機；采用訓練得到的所述支持向量機來預測圖像質量分數分布的四個參數，最終得到基于Alpha穩定模型的圖像質量分數分布。本發明第一次提出使用Alpha穩定模型來描述圖像質量得分的分布，其所表達出的信息要比圖像的MOS更豐富，通過提取圖像的自然場景統計特征，并利用支持向量機回歸，可有效地預測圖像的質量分數分布。

技術領域

本發明涉及圖像質量評價領域，具體地，涉及一種圖像質量分數分布的預測方法、系統、終端及介質。

背景技術

圖像質量評價是圖像處理中最具挑戰性的任務之一，可分為主觀圖像質量評價和客觀圖像質量評價。圖像質量評價是指觀察者通過觀察來評價圖像質量，圖像質量一般用MOS來描述。客觀圖像質量評價包括全參考方法、半參考方法和無參考方法。無參考圖像質量評價是指使用算法進行圖像質量預測，在這個過程中只需要失真的圖像。因此，圖像質量評價在實際應用中的應用更為廣泛，其最主要的任務是從失真圖像中提取圖像的質量特征。

可以發現在以往的文章中，MOS被廣泛用于描述圖像質量。但是，我們注意到圖像的質量是高度主觀的，并且給定的圖像可能被不同的觀察者給出不同的質量分數。因此，我們不得不承認，一個圖像的MOS能夠表達的信息是非常有限的。一些研究員試圖通過預測圖像質量分數直方圖代替MOS來描述圖像的質量。例如，Zhang等人預測了圖像的美學質量分數直方圖(《Xiaowei Zhang,Fei Gao,Di Huang,Min Tan,and Jun Yu,“Photo aestheticquality assessment via label distribution learning,”IEEE InternationalConference on Systems,Man,and Cybernetics,2016,pp.1467–1470.》)。Liu等人通過假設主觀質量分數服從高斯分布來預測圖像質量直方圖(《Anan Liu,Jingting Wang,JingLiu,and Yuting Su,“Comprehensive image quality assessment via predict-ing thedistribution of opinion score,”Multimedia Tools and Applications,vol.78,no.17,pp.1–18,2018.》)。我們觀察到，僅僅用高斯分布來描述圖像質量分布是不夠的，因為并非所有的圖像質量分布都遵循高斯分布。作為一種更普遍的分布形式，具有四個參數的Alpha穩定模型可以更好地描述圖像質量分布，因為它可以顯示圖像質量分布中可能存在的一些統計特征，如重尾、峰度和偏度。

發明內容

針對現有技術的不足，本發明的目的是提出一種圖像質量分數分布的預測方法、系統、終端及介質，使用Alpha穩定模型來描述圖像質量分布，可以有效地運用于評價圖像的質量。

本發明的第一目的，提供一種圖像質量分數分布的預測方法，包括：

提取圖像的自然場景統計特征；

利用提取的所述自然場景統計特征通過訓練四個不同的支持向量機；

采用訓練得到的所述支持向量機來預測Alpha穩定模型的四個參數，最終得到基于Alpha穩定模型的圖像質量分數分布。

可選地，所述方法還包括：主觀質量評價實驗，包括：

從數據庫中隨機選取多張圖像，內容包含多種不同失真類型，對于每種失真類型的圖像失真程度也不同；

通過質量評價網頁，采取單刺激連續質量評價方法(SSCQE)來顯示圖像和收集觀察者對上述圖像進行質量評價給出的得分，得到每張圖像的質量分數分布。

可選地，通過最大似然估計來對實驗中每張圖像的質量分數分布與Alpha穩定模型進行擬合，得到圖像質量得分分布的經驗概率密度函數。