特征显著性在图像质量评价中的鲁棒机理研究方法技术

本发明专利技术公开了一种特征显著性在图像质量评价中的鲁棒机理研究方法，其方法步骤为：首先，确立图像质量评价中特征选择的目标函数并初始化模型参数；其次，选择最优特征加入特征矩阵并移除特征干扰项；然后，计算图像质量评价系统中特征选择的显著性；接着，判断是否满足系统鲁棒性要求或达到特征个数上限；最后，验证模型分类效果。本发明专利技术通过引入的系统特征信噪比衡量特征显著性，求解图像质量评价系统中光滑凸函数的约束优化问题，有效地降低了非显著特征对分类面的干扰，提升了图像质量评价系统的鲁棒性，解决了基于学习机制的图像质量评价网络中，特征属性选择的自适应优化问题。

【技术实现步骤摘要】

本专利技术涉及计算机视觉研究领域，特别涉及一种特征显著性在图像质量评价中的 鲁棒机理研究方法。
技术介绍
图像质量是图像的固有属性，一般通过度量图像降质的程度来获得。图像质量评 价就是一种度量图像降质程度的方式，在图像处理、计算机视觉和系统工程等领域具有广 泛应用价值，对降质图像复原算法的研究、自适应视觉系统的开发以及高层语义计算机视 觉方法的应用具有理论和现实意义。 迄今为止，图像复原领域还没有形成统一的质量评价标准，评价方法通常被划分 为主观评价方法和客观评价方法。其中，主观评价方法容易受到观测者的知识背景、心理动 机等因素的影响，并且无法内嵌到视觉系统中对算法及参数进行自适应优化，大大制约了 算法的工程应用价值。客观评价方法在近几十年的发展过程中涌现出了大量的质量评测指 标，但始终没有出现满足工程应用的质量评价测度。近年来，随着以深度学习等为代表的机 器学习机制迅速发展，出现了基于网络学习的图像质量评价方法，该类方法主要利用图像 中稀疏的特征属性，训练满足精度的非线性映射网络，最终实现图像质量评价。该类方法的 局限性往往体现在：在样本较少的情况下，系统无法根据不同本文档来自技高网...

【技术保护点】
特征显著性在图像质量评价中的鲁棒机理研究方法，其特征在于，包括下述步骤：S101、提取测试集中图像的低秩特征；S102、将原始特征集降维到优选特征矩阵，从海量特征信息中逐步提取最优特征并剔除特征干扰项，最终得到对图像质量评价系统最有价值的特征矩阵；定义最优特征抽取函数以及特征干扰项的筛选函数，计算添加新的特征前后损失函数的差值，衡量添加的特征的显著性；当最优特征抽取函数值越大时，说明对应的特征显著性越好；当特征干扰项的筛选函数值越大时，说明对应的特征为干扰项的置信度越高，需要被剔除；S103、判断各个特征对于图像质量评价系统效果影响的显著性，定义系统信噪比作为衡量图像质量评价特征显著性的指标，...

【技术特征摘要】

【专利技术属性】
技术研发人员：王卫星，胡子昂，胡月明，陆健强，姜晟，孙道宗，石颖，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44