[發(fā)明專利]一種無參考圖像質(zhì)量評(píng)價(jià)方法及其系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111121862.6
• 申請(qǐng)日: 2021-09-24
• 公開（公告）號(hào): CN113920394A
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計(jì)）人: 李文光;楊新宇;賀云濤;孟軍輝;李懷建;劉莉
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06V10/82;G06K9/62;G06F17/16;G06N3/04;G06N3/08
• 代理公司: 北京權(quán)智天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11638
• 代理人: 趙建軍

本申請(qǐng)公開了一種無參考圖像質(zhì)量評(píng)價(jià)方法及其系統(tǒng)；其要點(diǎn)在于：包括：圖像輸入系統(tǒng)、特征提取系統(tǒng)、質(zhì)量評(píng)價(jià)網(wǎng)絡(luò)系統(tǒng)；所述圖像輸入系統(tǒng)的輸出端與所述特征提取系統(tǒng)的輸入端連接，所述特征提取系統(tǒng)的輸出端與質(zhì)量評(píng)價(jià)網(wǎng)絡(luò)系統(tǒng)的輸入端連接。本申請(qǐng)旨在提出一種無參考圖像質(zhì)量評(píng)價(jià)方法及其系統(tǒng)，注意力機(jī)制模塊可以有效提取模糊圖像的注意力特征，其對(duì)于圖像的模糊情況具有更好的描述性，解決了自然模糊圖像特征復(fù)雜難以學(xué)習(xí)的問題，為成像技術(shù)在多領(lǐng)域的應(yīng)用提供了有效幫助，具有廣泛的應(yīng)用前景。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理系統(tǒng)性能評(píng)估技術(shù)領(lǐng)域，尤其涉及一種無參考圖像質(zhì)量評(píng)價(jià)方法及其系統(tǒng)。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，成像技術(shù)在社交媒體、醫(yī)學(xué)、農(nóng)業(yè)、工業(yè)、交通、軍事等領(lǐng)域得到了廣泛的應(yīng)用。但是在圖像的獲取、存儲(chǔ)、傳輸和顯示等過程中不可避免的會(huì)引入一些干擾因素，如噪聲、模糊、數(shù)據(jù)丟失等，這些都會(huì)造成圖像質(zhì)量的下降。圖像質(zhì)量的好壞決定了圖像信息的可信程度，影響人們對(duì)于圖像的主觀感受和信息量的獲取。因此圖像質(zhì)量評(píng)價(jià)(Image quality assessment，IQA)的研究受到人們的廣泛重視。

圖像質(zhì)量評(píng)價(jià)分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法。主觀評(píng)價(jià)由觀察者對(duì)圖像質(zhì)量進(jìn)行主觀評(píng)分,一般采用平均主觀得分(Mean opinion score,MOS)或平均主觀得分差異(Differentialmean opinion score,DMOS)(即人眼對(duì)無失真圖像和有失真圖像評(píng)價(jià)得分的差異)表示,但主觀評(píng)價(jià)工作量大、耗時(shí)長,使用起來很不方便；客觀評(píng)價(jià)方法是由計(jì)算機(jī)根據(jù)一定方法計(jì)算得到圖像的質(zhì)量指標(biāo),根據(jù)評(píng)價(jià)時(shí)是否需要相應(yīng)的清晰圖像作為參考圖像又可以分為全參考圖像質(zhì)量評(píng)價(jià)(Full-Reference Image Quality Assessment,FR-IQA)、半?yún)⒖紙D像質(zhì)量評(píng)價(jià)(Reduced-Reference Image Quality Assessment，RR-IQA)和無參考圖像質(zhì)量評(píng)價(jià)(No-Reference Image Quality Assessment，NR-IQA)三類。

FR-IQA方法在評(píng)價(jià)失真圖像時(shí),需要提供一個(gè)無失真的原始圖像,經(jīng)過對(duì)二者的比對(duì),得到一個(gè)對(duì)失真圖像的評(píng)價(jià)結(jié)果，這類方法的準(zhǔn)確性較好,但其缺點(diǎn)是需要提供無失真的參考圖像,這在實(shí)際應(yīng)用中往往很難得到。

RR-IQA方法不需要將失真圖像與原始圖像相比較，而只需要將失真圖像的某些特征與原始圖像的相同特征進(jìn)行比較，多應(yīng)用于數(shù)字水印驗(yàn)證、視頻質(zhì)量監(jiān)控和碼流率控制等領(lǐng)域。

NR-IQA方法根據(jù)失真圖像自身的特征來估計(jì)圖像的質(zhì)量，完全無需參考圖像。無參考方法最具實(shí)用價(jià)值,有著非常廣泛的應(yīng)用范圍。但正是由于沒有參考圖像,以及圖像內(nèi)容的千變?nèi)f化,使得無參考圖像質(zhì)量評(píng)價(jià)相對(duì)更為困難。NR-IQA方法分為傳統(tǒng)無參考圖像質(zhì)量評(píng)價(jià)方法和基于神經(jīng)網(wǎng)絡(luò)的無參考圖像質(zhì)量評(píng)價(jià)方法。傳統(tǒng)無參考圖像質(zhì)量方法基于空域/頻域提取圖像特征信息，通過簡單加權(quán)或?yàn)V波處理圖像特征等到圖像質(zhì)量評(píng)價(jià)結(jié)果。基于神經(jīng)網(wǎng)絡(luò)的無參考圖像質(zhì)量評(píng)價(jià)方法通過神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)由圖像特征到圖像質(zhì)量的映射，從而評(píng)價(jià)圖像質(zhì)量。

模糊是圖像質(zhì)量損失最常見的原因，產(chǎn)生模糊的原因由兩種：人工模糊和自然模糊人工模糊和自然模糊。人工模糊是通過不同類型的濾波器在參考圖像中人為加入不同類型的失真類型，而自然模糊是取自真實(shí)圖像由物體的運(yùn)動(dòng)或相機(jī)的抖動(dòng)等引起的。

人工模糊圖像通常采用高斯模糊降質(zhì)，將參考圖像與高斯濾波器卷積得到失真圖像，模擬生活中比較常見的失焦模糊。自然模糊圖像取自生活中真實(shí)發(fā)生模糊的圖像，除了失焦模糊外還包括運(yùn)動(dòng)模糊、混合模糊，如果在拍攝長距離場(chǎng)景時(shí)相機(jī)只是稍微平移，得到的模糊近似空間不變，會(huì)產(chǎn)生由于線性運(yùn)動(dòng)模糊，當(dāng)遠(yuǎn)距離成像遇到湍流時(shí)，還會(huì)產(chǎn)生大氣湍流模糊等。多種模糊情況的存在導(dǎo)致自然模糊圖像包含多種失真類型的無序混合，難以通過數(shù)學(xué)模型實(shí)現(xiàn)擬合。