一种基于流形特征相似度的图像质量客观评价方法技术

本发明专利技术公开了一种基于流形特征相似度的图像质量客观评价方法，其首先采用了视觉显著和视觉阈值两个策略来去除对于视觉感知不重要的图像块即图像块粗选和细选过程，在完成选块之后利用最佳映射矩阵提取从原始的无失真自然场景图像和待评价的失真图像中选取出的图像块的流形特征向量，然后通过流形特征相似度来衡量失真图像的结构失真；之后考虑了图像亮度变化对人眼的影响，基于图像块的均值求取失真图像的亮度失真；最后根据结构失真和亮度失真获得质量分数，这使得本方法具有更高的评价准确性，也扩大了其对各类失真的评价能力，并且评价性能不受图像内容和失真类型的影响，与人眼的主观感知质量具有较高的一致性。

【技术实现步骤摘要】
一种基于流形特征相似度的图像质量客观评价方法
本专利技术涉及一种图像质量评价方法，尤其是涉及一种基于流形特征相似度的图像质量客观评价方法。
技术介绍
图像质量的定量评价是图像处理领域中充满挑战性的问题。由于人是观看图像时的最终接收者，因此图像质量评价方法应当和人一样可以有效地预测感知视觉质量。传统的峰值信噪比(PeakSignal-to-NoiseRatio，PSNR)等基于保真度的图像质量评价方法虽能较好地评价具有相同内容和失真的图像质量，但面对多幅图像和多种失真时，其评价结果与主观感知却相差甚远。感知质量评价方法的目的是通过模拟人眼视觉系统的整体感知机制来获取与视觉感知质量具有较高一致性的评价结果。通过对人眼视觉系统的生理响应进行建模获取客观评价方法，可以得到与主观评价有较高一致性的评价结果。近年来，图像质量评价的研究不断深入，人们提出了很多的评价方法。Wang等提出的结构相似度(StructuralSimilarity，SSIM)算法与PSNR等方法相比不仅简单且性能改进明显，引起了学者们的关注；在其后续工作中，Wang等又提出了多尺度的SSIM(Multi-ScaleStructuralSimilarity，MS-SSIM)，改进了SSIM的性能。也有学者认为人眼在对局部图像评分时相位一致性和梯度幅值起着相辅相成的作用，提出特征结构相似度(FeatureSimilarity，FSIM)。除了基于结构的图像质量评价方法外，另一些评价方法是从人眼视觉系统的其他特性出发设计的。Chandler等提出视觉信噪比(VisualSignal-to-NoiseRatio，VSNR)，该准则先通过视觉阈值确定失真是否可察觉，再对超过视觉阈值的区域进行失真度量。Larson等认为人类视觉系统(HumanVisualSystem，HVS)在评测高质量图像和低质量图像时采用了不同策略，提出最明显失真(MostApparentDistortion，MAD)的质量评价算法。Sheikh等将全参考图像质量评价问题看作信息保真度问题，在信息保真度(InformationFidelityCriterion，IFC)的基础上进行拓展得到视觉信息保真度(VisualInformationFidelity，VIF)评价算法。Zhang等发现质量下降会造成图像显著图的变化且与感知质量失真程度密切，从而提出基于视觉显著性的图像质量评价方法。优异的图像质量评价方法应能很好地反映人眼视觉感知特性。上述基于结构的图像质量评价方法都是从图像的边缘、对比度等结构信息出发获取图像质量的，而从人眼视觉系统特性设计的图像质量评价方法主要是从人眼关注及察觉失真的能力角度出发进行图像质量评价的，它们均为从图像的非线性几何结构以及人眼的感知角度进行质量评价的；但有研究表明针对视觉感知现象，流形是感知的基础，大脑中以流形方式对事物进行感知，而自然场景图像通常包含流形结构，有着流形非线性的本质。因此，传统的图像质量评价方法无法得到与主观感知质量一致性较高的客观评价结果。
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基于流形特征相似度的图像质量客观评价方法，其能够获得与主观感知质量一致性较高的客观评价结果。本专利技术解决上述技术问题所采用的技术方案为：一种基于流形特征相似度的图像质量客观评价方法，其特征在于包括以下步骤：①选取多幅无失真的自然场景图像；然后将每幅无失真的自然场景图像划分成互不重叠的尺寸大小为8×8的图像块；接着从所有无失真的自然场景图像中的所有图像块中随机选取N个图像块，将选取的每个图像块作为一个训练样本，将第i个训练样本记为xi，其中，5000≤N≤20000，1≤i≤N；再将每个训练样本中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将xi中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为xicol，其中，xicol的维数为192×1，xicol中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的R通道的颜色值，xicol中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的G通道的颜色值，xicol中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的B通道的颜色值，之后将每个训练样本对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对每个训练样本对应的颜色向量的中心化处理，将xicol经中心化处理后得到的颜色向量记为最后将所有中心化处理后得到的颜色向量组成的矩阵记为X，其中，X的维数为192×N，对应表示第1个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、第2个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、第N个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量，符号“[]”为向量表示符号；②利用主成分分析对X进行降维以及白化操作，将降维以及白化操作后得到的矩阵记为XW，其中，XW的维数为M×N，M为设定的低维维数，1<M<192；③利用正交局部保持投影算法对XW中的N个列向量进行训练，获得XW的8个正交基的最佳映射矩阵JW，其中，JW的维数为8×M；然后根据JW和白化矩阵计算原始样本空间的最佳映射矩阵，记为J，J＝JW×W，其中，J的维数为8×192，W表示白化矩阵，W的维数为M×192；④令Iorg表示原始的无失真自然场景图像，令Idis表示Iorg经失真后的失真图像，将Idis作为待评价的失真图像；然后将Iorg和Idis分别划分成互不重叠的尺寸大小为8×8的图像块，将Iorg中的第j个图像块记为将Idis中的第j个图像块记为其中，1≤j≤N'，N'表示Iorg中的图像块的总个数，N'亦表示Idis中的图像块的总个数；再将Iorg中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为并将Idis中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为其中，和的维数均为192×1，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值；之后将Iorg中的每个图像块对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对Iorg中的每个图像本文档来自技高网...

【技术保护点】
一种基于流形特征相似度的图像质量客观评价方法，其特征在于包括以下步骤：①选取多幅无失真的自然场景图像；然后将每幅无失真的自然场景图像划分成互不重叠的尺寸大小为8×8的图像块；接着从所有无失真的自然场景图像中的所有图像块中随机选取N个图像块，将选取的每个图像块作为一个训练样本，将第i个训练样本记为xi，其中，5000≤N≤20000，1≤i≤N；再将每个训练样本中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将xi中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为xicol，其中，xicol的维数为192×1，xicol中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的R通道的颜色值，xicol中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的G通道的颜色值，xicol中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的B通道的颜色值，之后将每个训练样本对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对每个训练样本对应的颜色向量的中心化处理，将xicol经中心化处理后得到的颜色向量记为最后将所有中心化处理后得到的颜色向量组成的矩阵记为X，其中，X的维数为192×N，对应表示第1个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、第2个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、第N个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量，符号“[ ]”为向量表示符号；②利用主成分分析对X进行降维以及白化操作，将降维以及白化操作后得到的矩阵记为XW，其中，XW的维数为M×N，M为设定的低维维数，1<M<192；③利用正交局部保持投影算法对XW中的N个列向量进行训练，获得XW的8个正交基的最佳映射矩阵JW，其中，JW的维数为8×M；然后根据JW和白化矩阵计算原始样本空间的最佳映射矩阵，记为J，J＝JW×W，其中，J的维数为8×192，W表示白化矩阵，W的维数为M×192；④令Iorg表示原始的无失真自然场景图像，令Idis表示Iorg经失真后的失真图像，将Idis作为待评价的失真图像；然后将Iorg和Idis分别划分成互不重叠的尺寸大小为8×8的图像块，将Iorg中的第j个图像块记为将Idis中的第j个图像块记为其中，1≤j≤N'，N'表示Iorg中的图像块的总个数，N'亦表示Idis中的图像块的总个数；再将Iorg中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为并将Idis中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为其中，和的维数均为192×1，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值；之后将Iorg中的每个图像块对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对Iorg中的每个图像块对应的颜色向量的中心化处理，将经中心化处理后得到的颜色向量记为并将Idis中的每个图像块对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对Idis中的每个图像块对应的颜色向量的中心化处理，将经中心化处理后得到的颜色向量记为最后将Iorg对应的所有中心化处理后得到的颜色向量组成的矩阵记为Xref，将Idis对应的所有中心化处理后得到的颜色向量组成的矩阵记为Xdis，其中，Xref和Xdis的维数均为192×N'，对应表示Iorg中的第1个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、Iorg中的第2个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、Iorg中的第N'个图像块中的所有像素点的R、G、B通...

【技术特征摘要】
1.一种基于流形特征相似度的图像质量客观评价方法，其特征在于包括以下步骤：①选取多幅无失真的自然场景图像；然后将每幅无失真的自然场景图像划分成互不重叠的尺寸大小为8×8的图像块；接着从所有无失真的自然场景图像中的所有图像块中随机选取N个图像块，将选取的每个图像块作为一个训练样本，将第i个训练样本记为xi，其中，5000≤N≤20000，1≤i≤N；再将每个训练样本中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将xi中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为xicol，其中，xicol的维数为192×1，xicol中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的R通道的颜色值，xicol中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的G通道的颜色值，xicol中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描xi、xi中的每个像素点的B通道的颜色值，之后将每个训练样本对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对每个训练样本对应的颜色向量的中心化处理，将xicol经中心化处理后得到的颜色向量记为最后将所有中心化处理后得到的颜色向量组成的矩阵记为X，其中，X的维数为192×N，对应表示第1个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、第2个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、第N个训练样本中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量，符号“[]”为向量表示符号；②利用主成分分析对X进行降维以及白化操作，将降维以及白化操作后得到的矩阵记为XW，其中，XW的维数为M×N，M为设定的低维维数，1<M<192；③利用正交局部保持投影算法对XW中的N个列向量进行训练，获得XW的8个正交基的最佳映射矩阵JW，其中，JW的维数为8×M；然后根据JW和白化矩阵计算原始样本空间的最佳映射矩阵，记为J，J＝JW×W，其中，J的维数为8×192，W表示白化矩阵，W的维数为M×192；④令Iorg表示原始的无失真自然场景图像，令Idis表示Iorg经失真后的失真图像，将Idis作为待评价的失真图像；然后将Iorg和Idis分别划分成互不重叠的尺寸大小为8×8的图像块，将Iorg中的第j个图像块记为将Idis中的第j个图像块记为其中，1≤j≤N'，N'表示Iorg中的图像块的总个数，N'亦表示Idis中的图像块的总个数；再将Iorg中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为并将Idis中的每个图像块中的所有像素点的R、G、B通道的颜色值排列构成一个颜色向量，将中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量记为其中，和的维数均为192×1，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值，中的第1个元素至第64个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的R通道的颜色值，中的第65个元素至第128个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的G通道的颜色值，中的第129个元素至第192个元素的值一一对应为以逐行扫描方式扫描中的每个像素点的B通道的颜色值；之后将Iorg中的每个图像块对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对Iorg中的每个图像块对应的颜色向量的中心化处理，将经中心化处理后得到的颜色向量记为并将Idis中的每个图像块对应的颜色向量中的每个元素的值减去对应颜色向量中的所有元素的值的平均值，实现对Idis中的每个图像块对应的颜色向量的中心化处理，将经中心化处理后得到的颜色向量记为最后将Iorg对应的所有中心化处理后得到的颜色向量组成的矩阵记为Xref，将Idis对应的所有中心化处理后得到的颜色向量组成的矩阵记为Xdis，其中，Xref和Xdis的维数均为192×N'，对应表示Iorg中的第1个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、Iorg中的第2个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、Iorg中的第N'个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量，对应表示Idis中的第1个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、Idis中的第2个图像块中的所有像素点的R、G、B通道的颜色值排列构成的颜色向量经中心化处理后得到的颜色向量、…、Idis中的第N'个图像块中的所有像素点的R、G、B通道的颜色值排列...

【专利技术属性】
技术研发人员：郁梅，王朝云，彭宗举，陈芬，宋洋，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33