[發明專利]一種無參考全面感知全景圖像質量的評價方法

在審

• 申請號: 202210808412.2
• 申請日: 2022-07-11
• 公開（公告）號: CN115205658A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 劉允;殷曉華
• 申請（專利權）人: 遼寧大學
• 主分類號: G06V10/98
• 分類號: G06V10/98;G06V10/42;G06V10/44;G06V10/56;G06V10/54;G06V10/46;G06V10/72
• 代理公司: 沈陽杰克知識產權代理有限公司 21207
• 代理人: 王洋

一種無參考全面感知全景圖像質量的評價方法，包括：分析全景圖像的全局和局部結構，得到結構信息；計算色彩殘差圖，獲得全景圖像的顏色信息；在空間域和頻率域中統計像素的依賴性，得到圖像的統計信息；將上述所有的信息作為特征輸入到回歸模型中進行訓練及預測，最終得到全景圖像的質量分數。本發明從從多個方面研究全景圖像的特性，能夠全面的感知全景圖像的質量并進行預測。與其他的無參考圖像質量評價方法相比，具有更可靠的準確性。

技術領域

本發明涉及圖像質量評價的技術領域，具體的，涉及一種無參考全面感知全景圖像質量的評價方法。

背景技術

虛擬現實VR技術作為一種捕捉全景圖像的方法，通過模擬人眼機制將人們感知世界的過程具體化，可以為觀看者同時提供各個方向的視圖，進而越來越受到觀眾和研究者的關注。與普通圖像不同，全景圖像以球形的形式捕獲和顯示信息，具有更廣闊的視野和更高的分辨率，因此在處理、編碼和壓縮過程中不可避免地會引入畸變，影響觀看者的體驗。

圖像質量評價方法大致可以分為全參考、半參考和無參考方法。全參考度量需要所有的參考信息，與半參考只需要部分參考信息，而無參考方法不需要任何參考信息的情況下預測圖像的質量。

在現有的研究中，建立了許多廣泛應用于二維圖像的指標，如結構相似度SSIM、峰值信噪比PSNR、視覺信息保真度VIF等。但將傳統圖像質量評價模型直接用于評估全景圖像的質量時并不能取得良好的性能。因此，后來有人提出了全參考全景圖像質量評價方法。但在實際情況下，參考圖像通常難以獲得。所以，不需要任何參考信息的全景圖像質量評價模型越來越受到研究者的關注。

然而，目前的研究方法并沒有全方面的考慮全景圖像的特性也沒有達到很好的性能，導致無法形成一個可靠準確的無參考感知全景圖像質量的評價方法。

發明內容

為了彌補現有技術的不足，本發明提出了一種無參考全面感知全景圖像質量的評價方法，從多個方面考慮了全景圖像的特性，獲得了更優異的性能和更可靠的準確性。

本發明的目的是通過下述技術方案實現的：一種無參考全面感知全景圖像質量的評價方法，其步驟為：

S1：分析全景圖像的全局和局部結構，得到結構信息：對輸入的全景圖像，分別計算其全局梯度圖和局部紋理二值模式TLBP圖，利用遵循雙參數威布爾Weibull分布的概率密度反映其全局結構特征；對于TLBP圖，從四個方向計算其灰度共生矩陣GLCM，對GLCM計算三個統計量提取圖像的局部結構特征；

S2：計算色彩殘差圖，獲得全景圖像的顏色信息：將圖像進行顏色空間的轉化，轉化為表示不同圖像信息的多個顏色通道；

對能表達顏色信息的通道圖像基于空間富模型SRM進行卷積運算，計算其色彩殘差圖，對色彩殘差圖利用GLCM提取其顏色特征；

S3：在空間域和頻率域中統計像素的依賴性，得到圖像的統計信息：在空間域中利用自然場景統計NSS方法捕獲全景圖像的基本統計特征；在頻率域中利用圖像熵統計像素間的依賴關系；

S4：將上述所有的信息作為特征輸入到SVR回歸模型中進行訓練及預測，選擇RBF作為核函數，最終得到全景圖像的質量分數。

所述的S1中，四個方向分別為：水平、垂直、主對角、副對角；利用三個統計量(I_e，I_c，I_m)概括局部結構特征，其公式如下：

其中，i和j分別是像素的橫縱坐標，N表示的是GLCM的階數；d和θ分別為GLCM的距離參數和方向參數，pd,θ(i,j)按如下公式計算：