一种基于激励响应的无参考图像质量评价方法技术

本发明专利技术公开了一种基于激励响应的无参考图像质量评价方法。步骤如下：构建一个激励信号，并且将其作用于待评价图像，得到激励响应信号；将待评价图像和激励响应信号由RGB空间转换到YIQ空间；构建一组二维边缘检测算子，对待评价图像和激励响应信号在YIQ空间Y通道上的分量进行卷积处理，获得待评价图像和激励响应信号在YIQ空间Y通道上、I通道和Q通道上的分量的特征信息；以特征信息作为输入，利用机器学习的方法对待测试图像的图像质量映射的质量评价，得到待评价图像质量客观评价值。本发明专利技术有效地提取了图像的特征信息，运算速度快，计算复杂度比较低，并且基于此方法得到图像质量客观评价值与主观评价具有较好的一致性，能够比较好的评价图像的质量。 1

A method of no reference image quality assessment based on Incentive response

The invention discloses a method of no reference image quality assessment based on excitation response. The following steps are as follows: building an excitation signal and acting on the image to be evaluated, obtaining an exciting response signal, converting the evaluated image and excitation response signal from the RGB space to the YIQ space, constructing a group of two-dimensional edge detection operators to treat the components of the evaluation image and the incentive response signal on the YIQ space Y channel. The feature information of the components on the YIQ space Y channel, the I channel and the Q channel is obtained by the product processing, and the quality evaluation of the image quality mapping of the test image is treated with the feature information as input, and the objective evaluation value of the quality of the image is obtained. The invention effectively extracts the feature information of the image, the operation speed is fast, the computational complexity is low, and the objective evaluation value of the image quality is in good agreement with the subjective evaluation based on this method, and the quality of the image can be better evaluated. One

【技术实现步骤摘要】
一种基于激励响应的无参考图像质量评价方法
本专利技术属于图像处理
，尤其涉及一种基于激励响应的无参考图像质量评价方法。
技术介绍
人类获得的大部分信息都来自于我们的视觉系统，也就是说我们从图像中获得我们需要的大部分信息。可见图像在我们的日常生活中扮演着十分重要的角色，但是图像在获取、存储、压缩、传输和重建的过程中往往会引入失真而导致图像质量的损失。图像质量评价采用一定的评价标准度量图像质量的损失程度，是度量和优化图像和视频处理系统性能的一个重要指标，具有重要的应用价值。主观评价和客观评价是图像质量评价的两种主要方法。主观质量评价是利用观察者对测试图像进行评价，此方法评价结果最为真实可靠，但存在费时费力，可操作性差和很难直接应用于工程等缺点。而客观图像质量评价可以通过构建数学模型的方法实现自动、高校的对图像质量进行评价，具有十分重要的研究价值。客观图像质量评价可以分为全参考、半参考和无参考的方法，其区别在于对无失真图像的依赖程度。由于无参考方法不依赖于原始参考图像，所以其具有很重要的应用价值。实际应用中，无参考图像质量评价通常基于人类视觉系统的研究成果，利用图像的统计特性，提取与图像质量密切相关的特征信息，实现对图像失真程度的度量。由于目前对人类视觉生理以及心理学的认知并不充分，因此基于人类视觉系统特性的图像质量评价往往并不能十分好的反应图像的损伤程度。
技术实现思路
本专利技术的目的是针对现有的基于自然图像统计特性的无参考图像质量评价方法中，由于对自然图像的统计特性了解不够全面而导致的图像质量性能不够高等缺陷，提出一种基于激励响应的无参考图像质量评价方法。通过将激励信号作用于失真图像，根据带评价图像对激励信号的不同相应来评价图像的质量。本专利技术采取的技术方案是：首先将激励信号作用于失真图像，得到激励相应信号，分别将激励相应信号和失真图像转换到YIQ空间，提取激励相应信号和失真图像在Y通道的梯度幅值方差信息以及在I和Q通道的方差信息作为评价图像质量的基准，接下来，利用支持向量机将提取的度量信息进行聚合以及映射得到失真图像的质量评价值。本专利技术解决其技术问题所采用的技术方案如下：步骤(1).输入公知数据库(如美国德州大学奥斯汀分校的LIVE图像数据库)中的失真图像ID；步骤(2).构建激励信号Rx，例如可以使用下面的激励信号：步骤(3).利用步骤(2)所建立的激励相应对步骤(1)输入的失真图像ID进行卷积计算，得到激励相应信号IR：其中，i表示的是图像中像素点的位置，代表卷积运算。步骤(4).将激励响应信号IR和失真图像ID由RGB空间转换到YIQ空间，例如可以使用下面的转换公式：其中，IDR表示步骤(1)输入的失真图像ID的红色分量，IDG表示步骤(1)输入的失真图像ID的绿色分量，IDB表示步骤(1)输入的失真图像ID的蓝色分量，IRR表示步骤(3)生成的激励响应信号IR的红色分量，IRG表示步骤(3)生成的激励响应信号IR的绿色分量，IRB表示步骤(3)生成的激励响应信号IR的蓝色分量，IYD示图像ID在YIQ空间Y通道上的值，IID示图像ID在YIQ空间I通道上的值，IQD示激励响应信号ID在YIQ空间Q通道上的值,IYR示激励响应信号IR在YIQ空间Y通道上的值,IIR示激励响应信号IR在YIQ空间I通道上的值,IQR示图像IR在YIQ空间Q通道上的值。步骤(5).构建二维边缘检测算子SOx和SOy，例如可以使用Sobel算子：步骤(6).利用步骤(5)所构建的边缘检测算子对失真图像ID在YIQ空间Y通道上的值IYD和激励响应信号IR在YIQ空间Y通道上的值IYR分别进行卷积计算，得到失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度信息GYD和GYR：其中，i表示的是图像中像素点的位置，代表卷积运算。步骤(7).利用步骤(6)得到的失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度信息GYD和GYR，计算失真图像ID和激励响应信号IR在YIQ空间Y通道上每个像素点之间梯度的相似度；记梯度相似度为GSY：其中，i表示的是图像中像素点的位置，c1表示一个常数值。然后，计算失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度幅值方差信息：其中，M表示一幅图像中整体像素数，步骤(8).利用步骤(4)得到的失真图像ID和激励响应信号IR在YIQ空间I通道上的值IID和IIR，计算失真图像ID和激励响应信号IR在YIQ空间I通道上每个像素点之间的相似度；记相似度为GSI：其中，i表示的是图像中像素点的位置，c2表示一个常数值。然后，计算失真图像ID和激励响应信号IR在YIQ空间I通道上的方差信息：其中，M表示一幅图像中整体像素数，步骤(9).利用步骤(4)得到的失真图像ID和激励响应信号IR在YIQ空间Q通道上的值IQD和IQR，计算失真图像ID和激励响应信号IR在YIQ空间Q通道上每个像素点之间的相似度；记相似度为GSQ：其中，i表示的是图像中像素点的位置，c3表示一个常数值。然后，计算失真图像ID和激励响应信号IR在YIQ空间I通道上的方差信息：其中，M表示一幅图像中整体像素数，步骤(10).在现在已知的公知的有关图像质量评价的数据库中，采用机器学习的方法(例如BP神经网络、卷积神经网络、支持向量机等)将步骤(7)得到失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度幅值均值信息GSYM、方差信息GSYD，步骤(8)得到失真图像ID和激励响应信号IR在YIQ空间I通道上的均值信息GSIM、方差信息GSID和计算失真图像ID和激励响应信号IR在YIQ空间I通道上的均值信息GSQM、方差信息GSQD，综合并且映射为图像失真程度，得到待评价图像的质量。Qquality＝F(GSYD,GSYM,GSID,GSIM,GSQD,GSQM|DMOS)(14)其中，F表示机器学习方法，DMOS表示公知的图像质量评价数据库中图像的主观评价得分。本专利技术的有益效果：本专利技术通过失真图像对激励信号的不同响应得到图像的特征信息，并且采用机器学习的方法将得到的特征信息映射为图像的失真程度，从而实现对图像质量的客观评价。实验结果表明，基于本专利技术所提出的方法得到的图像客观质量与主观评价结果具有很好的一致性，能够较好的评价图像的质量。附图说明图1为本专利技术一种基于激励响应的无参考图像质量评价方法的结构框图。具体实施方式下面结合附图对本专利技术方法作进一步说明。如图1所示，一种基于激励响应的无参考图像质量评价方法，其具体实施步骤如下：步骤(1).在Matlab环境下输入数据库(比如LIVE、CSIQ、TID2008和TID2013等公知数据库)中的测试图像ID；步骤(2).构建激励信号Rx，例如下面的激励信号：步骤(3).利用步骤(2)所建立的激励相应对步骤(1)输入的失真图像ID进行卷积计算，得到激励相应信号IR：其中，i表示的是图像中像素点的位置，代表卷积运算。步骤(4).将激励响应信号IR和失真图像ID由RGB空间转换到YIQ空间，例如可以使用下面的转换公式：其中，IDR表示步骤(1)输入的失真图像ID的红色分量，IDG表示步骤(1)输入的失真图像ID的绿色分量，IDB表示步骤(1)输入的失真图像ID的蓝色分量，本文档来自技高网...

【技术保护点】
1.一种基于激励响应的无参考图像质量评价方法，其特征在于包括如下步骤：

【技术特征摘要】
1.一种基于激励响应的无参考图像质量评价方法，其特征在于包括如下步骤：步骤(1).输入失真图像ID；步骤(2).构建激励信号Rx：步骤(3).利用步骤(2)所建立的激励相应对步骤(1)输入的失真图像ID进行卷积计算，得到激励相应信号IR：其中，i表示的是图像中像素点的位置，代表卷积运算；步骤(4).将激励响应信号IR和失真图像ID由RGB空间转换到YIQ空间，步骤(5).构建二维边缘检测算子SOx和SOy：步骤(6).利用步骤(5)所构建的二维边缘检测算子对失真图像ID在YIQ空间Y通道上的值IYD和激励响应信号IR在YIQ空间Y通道上的值IYR分别进行卷积计算，得到失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度信息GYD和GYR：其中，i表示的是图像中像素点的位置，代表卷积运算；步骤(7).利用步骤(6)得到的失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度信息GYD和GYR，计算失真图像ID和激励响应信号IR在YIQ空间Y通道上每个像素点之间梯度的相似度；记梯度相似度为GSY：其中，i表示的是图像中像素点的位置，c1表示一个常数值；然后，计算失真图像ID和激励响应信号IR在YIQ空间Y通道上的梯度幅值方差信息：其中，M表示一幅图像中整体像素数，步骤(8).利用步骤(4)得到的失真图像ID和激励响应信号IR在YIQ空间I通道上的值IID和IIR，计算失真图像ID和激励响应信号IR在YIQ空间I通道上每个像素点之间的相似度；记相似度为GSI：其中，i表示的是图像中像素点的位置，c2表示一个常数值；然后，计算失真图像ID和激励响应信号IR在YIQ空间I通道上的方差信息：其中，M表示一幅图像中整体像素数，步骤(9).利用步骤(4)得到的失真图像ID和激励响应信号IR在YIQ空间Q通道上的值IQD和IQR，计算失真图像ID和激励响应信号IR在YIQ空间Q通道上每个像素点之间的相似度；记相似度为GSQ：其中，i表示的是图像中像素点的位置，c3表示一个常数值；然后，计算失真图像ID和激励响应信号IR在YIQ空间I通道上的方差信息：其中，M表示一幅图像中整体像素数，步骤(10).采用机器学习的...

【专利技术属性】
技术研发人员：丁勇，谢欣，商小宝，周一博，孙光明，罗述杰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33