[發明專利]基于視覺顯著性和梯度特征的無參考圖像質量評價方法

在審

• 申請號: 202210683617.2
• 申請日: 2022-06-16
• 公開（公告）號: CN115082756A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 艾達;劉蕓;白巖松;劉穎
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06F16/55;G06N3/04;G06N3/08;G06V10/26;G06V10/40
• 代理公司: 西安永生專利代理有限責任公司 61201
• 代理人: 申忠才

一種基于視覺顯著性和梯度特征的無參考圖像質量評價方法，由選擇數據集、圖像預處理、構建圖像質量評價模型、訓練圖像質量評價模型、測試圖像質量評價模型組成。采用Sobel算子對圖像進行梯度特征提取，將提取的梯度圖像塊和失真圖像塊作為圖像質量評價模型的輸入，獲得圖像塊的圖像質量分數；采用顯著性檢測方法提取顯著性圖，根據顯著性圖為每個圖像塊分配權重；將圖像塊質量分數與權重分數進行加權求和作為圖像的整體評價分數。經仿真對比實驗證明表明，本發明方法對不同數據集都有較好的質量預測結果，與人的主觀評分相符，適用于不同的失真類型。

技術領域

本發明屬于圖像處理技術領域，具體涉及到無參考圖像質量評價方法。

背景技術

在圖像處理、視頻圖像編碼等領域，圖像在生成、存儲、編碼、傳輸等過程中因多種原因造成圖像質量下降。對這些環節中圖像質量的變化進行評價，尤其是建立一個符合人眼視覺感知、能夠自動實時評估圖像質量的方法有著重要的研究意義和應用價值。

主觀評價基于觀測者的直觀感受來評分，評價結果可靠，但需要大量專業人員，耗時費力難以實現對海量圖像數據的實時評估。客觀評價通過建立模型對圖像進行自動化的評估，主要分為全參考型圖像質量評估、部分參考型圖像質量評估以及無參考型圖像質量評估，無參考圖像質量評價方法在不需要任何原始圖像信息的情況下對圖像進行質量評價，靈活性強，是圖像質量評價領域應用前景較廣與實用性較高的研究方法。

近年來，基于深度學習的圖像質量評價技術已成為研究熱點并取得一定成果。深度學習具有特征自提取能力，且在面對照片、影像等這種滲透到人類日常生活中的大數據時仍然具有優秀的處理能力。然而，現在的研究方法還受到了一些限制，例如大多數方法集中于優化神經網絡模型的結構和參數，對人類視覺系統的研究還不夠深入，已有的質量評價模型無法對人的主觀評價進行精確的模擬，現有的客觀算法仍然不夠理想

發明內容

本發明所要解決的技術問題在于克服上述現有技術的缺點，提供一種方法簡單、評價速度快、評價準確的基于視覺顯著性和梯度特征的無參考圖像質量評價方法。

解決上述技術問題所采用的技術方案是由下述步驟組成：

(1)選擇數據集

將圖像質量評價數據庫中的失真圖像分為訓練集、驗證集、測試集，訓練集圖像與驗證集圖像、測試集圖像的數量占比為8：1：1。

(2)圖像預處理

采用Sobel算子對失真圖像進行梯度特征的提取工作，Sobel算子用附近八個像素估計中心像素的梯度，按下式確定梯度圖像G(x)：

其中，*為卷積運算，D(x)為失真圖像。

對失真圖像采用頻率調諧的顯著性區域檢測方法提取顯著性圖，進行高斯濾波，由RGB顏色空間轉換為LAB顏色空間；對轉換后的圖像的L、A、B三個通道的圖像分別取均值；按下式確定每個像素的顯著值S(x，y)：

S(x，y)＝||I_μ-I_ω(x，y)||

其中，I_μ為該圖像的平均特征向量，I_ω(x，y)是失真圖像進行高斯濾波后對應的圖像像素向量值；圖像中每個像素的顯著值S(x，y)除以最大的顯著值，得到最終的顯著性圖。

將每張失真圖像、梯度圖、顯著性圖裁剪成32×32像素大小的圖像塊，作為輸入樣本。

(3)構建圖像質量評價模型