基于互补性组合特征与多相回归的盲图像质量评价方法技术
【技术实现步骤摘要】
本专利技术涉及图像处理技术，特别涉及感知视觉信号处理技术。
技术介绍
图像感知质量评价方法是实现智能图像质量评价，网络质量监控和图像增强等应 用的关键技术。目前，成熟的全参考与弱参考图像质量评价方法要求获取成对的原始图像 和失真图像信息，并通过比较两者差异来进行质量评价。然而，在实际应用当中，原始图像 的信息往往无法获得。因此，高效的盲图像质量评价方法便成为了该瓶颈的突破口。 盲图像质量评价方法只需要失真图像自身的信息即可预测其感知质量，可以应用 于相机对焦的判断、去除图片噪声的判断。现有的盲图像质量评价方法主要由两步组成：感 知质量相关特征提取和质量预测模型回归。（1)在特征提取方面，最为广泛采用的特征是 图像的自然场景统计信息。其主要局限是，不考虑人眼视觉感知系统的分层属性，仅采用单 一特征域（如空域、DCT域和小波域）的全局统计信息；（2)在感知质量回归方面，现有方 法主要采用单相支撑矢量回归，即将全部训练样本用于学习统一的支撑矢量回归（SVR)模 型。其明显缺陷是不考虑测试图像的局部特性，在处理复杂的特征空间分布时无法有效拟 合训练数据。
技术实现思路
本专利技术所要解决的技术问题是，提供一种鲁棒性更强的盲图像质量评价方法。 本专利技术为解决上述技术问题所采样的技术方案是，一种基于互补性组合特征与多 相回归的盲图像质量评价方法，包括以下步骤： 步骤1)对测试图像进行互补性组合特征提取： 1-1 :将测试图像统一转换为YCbCr通道； 1-2 :分别在亮度分量Y通道、蓝色色度分量Cb通道、红...
【技术保护点】
基于互补性组合特征与多相回归的盲图像质量评价方法，其特征在于，包括以下步骤：步骤1)对测试图像进行互补性组合特征提取：1‑1：将测试图像统一转换为YCbCr通道；1‑2：分别在亮度分量Y通道、蓝色色度分量Cb通道、红色色度分量Cr通道上计算小波域全局幅度分布特征P＝[PY,PCb,PCr]；1‑3：在各通道上计算局部小波域方向梯度直方图HoG特征Q＝[QY,QCb,QCr]；1‑4：在亮度分量Y通道上计算局部二值模式特征LBP；1‑5：将小波域全局分布特征P、局部小波域方向梯度直方图HoG特征以及局部二值模式特征LBP联起来得到总的互补性组合特征，步骤2)将测试图像的互补性组合特征输入训练好的支持向量机SVM分类器对测试图像进行分类，SVM分类器输出该测试图像所属失真类型标签；步骤3)计算测试图像与所属失真类型中所有训练图像的相似度，根据相似度从大到顺序选择前K个测试图像组成训练集，用训练集训练支持向量回归器SVR；步骤4)将测试图像的互补性组合特征输入SVR，SVR输出测试图像的质量打分。
【技术特征摘要】
1. 基于互补性组合特征与多相回归的盲图像质量评价方法，其特征在于，包括以下步 骤： 步骤1)对测试图像进行互补性组合特征提取： 1-1 :将测试图像统一转换为YCbCr通道； 1-2 :分别在亮度分量Y通道、蓝色色度分量Cb通道、红色色度分量Cr通道上计算小波 域全局幅度分布特征P= [PY，Pa，P&]; 1-3:在各通道上计算局部小波域方向梯度直方图HoG特征Q=[QY，Qeb，Q&]; 1-4 :在亮度分量Y通道上计算局部二值模式特征LBP ; 1-5 :将小波域全局分布特征P、局部小波域方向梯度直方图HoG特征以及局部二值模 式特征LBP联起来得到总的互补性组合特征F，F= [/5, & ; 步骤2)将测试图像的互补性组合特征F输入训练好的支持向量机SVM分类器对测试 图像进行分类，SVM分类器输出该测试图像所属失真类型标签； 步骤3)计算测试图像与所属失真类型中所有训练图像的相似度，根据相似度从大到 顺序选择前K个测试图像组成训练集，用训练集训练支持向量回归器SVR ; 步骤4)...
【专利技术属性】
技术研发人员：李宏亮，吴庆波，孟凡满，罗雯怡，黄超，罗冰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。