本发明专利技术公开了一种基于变换域和空间域自然场景统计的通用无参考图像质量评价方法。该方法步骤包括：(1)对图像进行NSCT分解，得到与原图像大小相同的不同尺度、方向的子带系数；(2)提取NSCT子带亲戚系数与父子系数间的互信息统计特征；(3)提取NSCT子带亲戚系数与父子系数间的结构信息统计特征；(4)提取原图像MSCN系数及其邻域系数统计特征。(5)在上述特征基础上，分别用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型。与现有技术相比，具有评价结果与人类主观评价高度一致、分类准确率高、计算复杂性低等优点，具有较强的应用价值。
【技术实现步骤摘要】
本专利技术涉及一种图像质量评价的方法，主要涉及一种基于变换域和空间域的通用 无参考图像质量评价方法，属于图像分析的
，可广泛用于视频与图像传输、智能视 频监控及数字电视等领域。
技术介绍
随着单反相机、智能手机、平板电脑等电子产品的大量推广，数字图像在人们日常 生活中成为交流信息必不可少的手段。但在图像采集、传输、压缩、处理和重构的过程中，由 于受到电子光学系统、压缩传输算法、人为因素等条件限制，所获取的图像不可避免地存在 着各种各样的失真，所以图像质量评价（ImageQualityAssessment，IQA)成为图像工程领 域中最为重要的研究课题之一。 图像质量评价主要分为主观评价和客观评价两大类，主观图像质量评价方法是最 为可靠的，但成本高，容易受人的情绪等诸多主观因素的影响；客观图像质量评价以研究开 发出能够代替人类视觉系统的算法为目标来自动评价图像质量，从而得到与人的主观质量 评价相一致的图像质量得分。相对于主观质量评价，客观图像质量评价方法拥有很多优点， 如快捷、简单、结果稳定可靠等。 依据需要原始参考图像的信息的多少，客观质量评价算法可以分为三大类：全参 考（FullReference，FR)、半参考（ReducedReference，RR)和无参考（NoReference，NR)/ 盲（Blind)等三种图像质量评价方法。全参考图像质量评价方法（FR-IQA)在预测图像质量 时需要用到参考图像的全部信息；半参考（部分参考）图像质量评价（RR-IQA)方法只需利 用参考图像的部分信息就可进行失真图像质量的预测；无参考型图像质量评价（NR-IQA) 方法不需要借助参考图像的任何信息直接对失真图像进行质量评测。 人类自身对图像质量的判断不需要任何参考图像，是一种真正的无参考图像质量 评价方式，符合绝大多数场合下的现实要求。与全参考和半参考评价方法相比，无参考图像 质量评价方法具有更为广泛的应用范围和更大的应用价值，因此成为机器视觉和图像处理 领域的一个研究热点。 自然图像是在自然环境中利用高质量的摄像设备在可见光下得到的图像，具 有边界、纹理、平坦等不同的视觉感知区域，符合一定的分布规律，自然场景统计（Natural scenestatistics，NSS)分布可以描述自然场景不随内容变化的统计性质。不同类型失真 引入自然图像会影响其分布规律，使失真图像的分布产生一定的偏差，故自然图像的质量 评价大都采用自然场景统计的方法。 目前，基于NSS的无参考图像质量评价方法主要分为两种类型：（1)特定失真类型 评价方法，如jpeg2000、jpeg及模糊等失真类型的评价方法，特定失真类型评价方法只能 评价该失真类型图像，对其它失真类型图像的质量无法进行评估；（2)通用评价方法，通用 评价方法可以同时对多种失真类型图像进行评价。 根据提取的自然场景统计特征，通用无参考图像质量评价方法可分为空间域和变 换域两种。 空间域评价方法：（1)A.Mittal等分别提取图像MSCN系数的G⑶模型参数 及其水平、竖直、主对角、二次对角四方向领域系数的AGGD模型参数作为特征评价 图像质量 "A.Mittal,A.K.MoorthyandA.C.Bovik.No-ReferenceImageQuality AssessmentintheSpatialDomain.IEEETransactionsonImageProcessi ng，2012, 21 (12) :4695-4708. "，但当不同失真类型图像或不同失真程度图像的MSCN系 数直方图分布相同或相似时，这种方法不能有效进行图像质量评价；（2)董宏平等利用 互信息对邻近像素间相关性进行描述，并结合多方向和多尺度分析设计提取出一系列 互信息特征来对自然图像进行质量评价"DongHongping,LiuLixiong.No-reference imagequalityassessmentinmutualinformationdomain.Journalofimageand graphics，2014, 19(3) :484-492. "，但这种方法没有考虑图像失真对像素本身造成的影响， 评价结果不太理想；其它的方法还有SSEQ、GM-L0G-BIQA等，这类方法运算效率比较高，但 一般很少考虑图像的多方向特性，而且没有同时考虑失真对像素本身及像素间相关性的影 响。 变换域评价方法：（1)M.Saad根据定义的平均能量和局部方向能量分别将图像离 散余弦变换（DiscreteCosineTransform,DCT)系数划分为3个频率带和3个方向带，进 而提取这些频率带和方向带的GGD模型参数作为质量评价特征"SaadMicheleA，Bovik AlanC,CharrierChristophe.Blindimagequalityassessment:Anaturalscene statisticsapproachintheDCTdomain.IEEETransactionsonImageProcessi ng, 2012, 21 (8) : 3339-3352. （2)A.K.M00RTHY提取了可操纵金字塔（SteerablePyramid) 小波系数的尺度与方向选择性统计、方向选择性统计、跨尺度关联性统计、空间相关性统 计及跨方向相关性统计等88个特征，并给出了两阶图像质量评价模型的框架"Moorthy AnushKrishna,Bovik,AlanConrad.Blindimagequalityassessment:Fromnatural scenestatisticstoperceptualquality.IEEETransactionsonImageProcessi ng, 2011，20(12) :3350-3364. "。其它的方法还有C-DIIVINE、CurveletQA、SHANIA等，这类方 法考虑了图像多尺度和多方向的特点，但没有考虑图像失真对像素本身的影响；而且需要 对图像施加某种变换，效率比较低，提取的特征对图像不同失真类型和不同失真程度的区 分度比较低。 自然图像NSCT分解后的高频方向子带系数依然保持原图像结构信息，而且不会 损失图像的结构信息；而且这些高频方向子带系数间存在相关性，特别是亲戚系数及父子 系数间相关性更强。此外，人类视觉系统具有频率敏感度、掩蔽效应、方向敏感度、注意转移 等特点。为了使评价结果与人的主观感知相一致，对图像进行评价时必须考虑人类视觉特 性。
技术实现思路
本专利技术的目的在于针对传统无参考质量评价方法中没有同时考虑失真对像素本 身、像素相关性、图像多尺度和多方向等方面的影响，造成评价结果不准确的问题，提供一 种基于变换域和空间域的通用型无参考图像质量评价方法，以满足图像的有效无参考评 测 。 为了解决以上所述的技术问题，本专利技术给出一种基于变换域和空间域的通用无参 考图像质量评价方法：对图像进行NSCT分解，得到与原图像大小相同的不同尺度、方向的 子带系数；分别提取NSCT子带亲戚系数与父子系数间的互信息统计特征和结构信息统计 特征；并结合原图像MSCN系数及其邻域系数统计特征本文档来自技高网...
【技术保护点】
一种基于变换域和空间域的通用无参考图像质量评价方法，其特征是：对图像进行NSCT分解，得到与原图像大小相同的不同尺度、方向的子带系数；分别提取NSCT子带亲戚系数与父子系数间的互信息统计特征和结构信息统计特征；并结合原图像MSCN系数及其邻域系数统计特征，分别用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型。
【技术特征摘要】
【专利技术属性】
技术研发人员：李俊峰，李旭锟，张之祥，侯海洋，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33
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。