【技术实现步骤摘要】
本专利技术属于图像处理
,特别涉及一种无参考的图像质量评价方法,可用于计算机自动鉴别自然图像、遥感图像的质量。技术背景随着信息技术的发展,互联网和各行业快速融合,数字图像和视频作为信息的主要载体,在越来越多的应用场合中发挥着重要作用。每时每刻,大量的图像或视频被获取、压缩和传输。但是,图像在这些处理过程中不可避免的会引入噪声,比如图像获取时成像设备本身的热噪声、抖动造成的模糊噪声,图像压缩时有损压缩方式带来的图像失真,图像传输时信道的干扰噪声等。一幅“干净”的图像被噪声污染后,会降低人眼感知的舒适度,甚至会影响人们对图像内容的正确理解。因此,为了衡量成像设备的性能、指导图像压缩等目的,希望计算机能自动评价一幅图像的质量好坏。于是,需要设计一种和人眼视觉特性一致的图像质量评价算法显得至关重要。在过去的几十年里,图像质量评价取得了极大的进展,大量的评价算法被提出。一般来说,根据评价时所需参考图像的信息量,现有算法可分为三类:全参考图像质量评价算法、部分参考图像质量评价算法和无参考图像质量评价算法。全参考图像质量评价算法需要参考图像的全部信息,通常能够根据较低的计算复杂度取得很好的性能,比如被广泛使用的峰值信噪比PSNR。部分参考图像质量评价算法则需要参考图像的部分信息,所需的这部分信息通常是从参考图像中提取的特征。在实际情况中,有时我们并不能获取到参考图像的任何信息,因此全参考和部分参考图像质量评价算法的应用受到限制。无参考图像质量评价算法由于不需要参考图像的任何信息,所以成为质量评价领域的研究热点。目前,无参考图像质量评价算法的一个主流趋势是基于 ...
【技术保护点】
一种基于特征字典的无参考图像质量评价方法,包括如下步骤:(1)随机选择60幅自然图像,计算所有图像中每个像素的局部模式;(2)通过加权K‑means方法对所得局部模式进行聚类,用所有聚类中心构建特征字典(3)给定包含L幅噪声图像的训练样本集计算第j幅训练图像的局部模式,并投影到特征字典上得到训练图像的特征yj,1≤j≤L;(4)采用支持向量回归SVR方法对训练样本集Ψ中所有训练图像的特征yj及其对应的主观质量值进行训练,得到回归模型(5)对于测试图像计算其所有像素的局部模式,并将这些局部模式投影到特征字典上得到测试图像的特征u;(6)根据回归模型和测试图像的特征u,使用支持向量回归SVR方法预测出测试图像的质量值Q;(7)根据质量值Q对待测试图像的质量进行判断:若Q=0,则表示该测试图像没有被噪声污染;若0<Q≤0.25,则表示该测试图像被噪声轻度污染;若0.25<Q≤0.75,则表示该测试图像被噪声中度污染;若0.75<Q≤1,则表示该测试图像被噪声重度污染。
【技术特征摘要】
1.一种基于特征字典的无参考图像质量评价方法,包括如下步骤:(1)随机选择60幅自然图像,计算所有图像中每个像素的局部模式;(2)通过加权K-means方法对所得局部模式进行聚类,用所有聚类中心构建特征字典(3)给定包含L幅噪声图像的训练样本集计算第j幅训练图像的局部模式,并投影到特征字典上得到训练图像的特征yj,1≤j≤L;(4)采用支持向量回归SVR方法对训练样本集Ψ中所有训练图像的特征yj及其对应的主观质量值进行训练,得到回归模型(5)对于测试图像计算其所有像素的局部模式,并将这些局部模式投影到特征字典上得到测试图像的特征u;(6)根据回归模型和测试图像的特征u,使用支持向量回归SVR方法预测出测试图像的质量值Q;(7)根据质量值Q对待测试图像的质量进行判断:若Q=0,则表示该测试图像没有被噪声污染;若0<Q≤0.25,则表示该测试图像被噪声轻度污染;若0.25<Q≤0.75,则表示该测试图像被噪声中度污染;若0.75<Q≤1,则表示该测试图像被噪声重度污染。2.如权利要求1所述的方法,其中步骤(1)计算随机选择的60幅自然图像中每个像素的局部模式,通过下式计算: p m , n = [ c m , n 1 , c m , n 2 , ... c m , n v , ... , c m , n 24 ] ]]>其中,pm,n表示第m幅图像Im中第n个像素的局部模式,1≤m≤60,1≤n≤Nm,Nm是图像Im中的像素个数,v是以像素为中心的5×5邻域像素的编号,1≤v≤24,表示像素与其第v个邻域像素的灰度值比较结果: c m , n v = 1 , s m , n v > s m , n 0 0 , s m , n v ≤ s m , n 0 . ]]>3.如权利要求1所述的方法,其中所述步骤(2),按如下步骤进行:(2a)针对60幅自然图像的所有局部模式pm,n,1≤m≤60,1≤n≤Nm,统计各个相同的局部模式出现的次数;(2b)采用加权K-means方法对各局部模式及其出现的次数进行聚类,得到K个聚类中心di,1≤i≤K,并由这些聚类中心构成一个特征字典4.如权利要求1所述的方法,其步骤(3)中计算第j幅训练图像的局部模式,并投影到特征字典上得到训练图像的特征yj,通过如下步骤实现:(3a)计算训练样本集Ψ中第j幅训练图像的第l个像素的局部模式qj,l: q ...
【专利技术属性】
技术研发人员:吴金建,张亚中,谢雪梅,石光明,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西;61
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。