【技术实现步骤摘要】
本专利技术涉及图像质量评价的
,具体涉及一种稀疏性相关度(SCS,Sparse Correlation Score)图像质量评价方法。
技术介绍
主观图像质量评价方法需要人类观察者来评估一幅图像相对于参考图像的差别从而得出图像的质量分数。主观图像质量评价方法固然可以得到精确的图像评估结果,但是这一方法费时费力,也不适用于实时环境。因此,需要设计出客观图像质量评价方法,让其自动地计算出接近人类评价结果的图像质量分数。目前,多数的客观质量评价方法都为全参考算法,它需要一个没有失真的参考图像来辅助评价其他对应的失真图像的质量。现今,最为常用的全参考评价方法是峰值信噪比(PSNR,peak signal-to-noise ratio)或是与其对应的均方误差(MSE,mean squared error)。但是MSE和PSNR得到的评价结果与人类的评价结果之间的相关性较差,尤其在处理一些以感知为主的声音和图像信号时,上述方法的缺点就暴露的更为明显。感知质量评价研究的目标就是设计出能精确地符合人类感知结果的评价方法。由于MSE和PSNR存在很大缺陷,所以许多研究者开始研究新的感知质量评价方法,实现对图像精确的质量评价。稀疏编码可以对视觉皮层的信息处理提供精确的定量描述。Field和Olshausen指出,稀疏编码可以解释视觉皮层中单细胞的响应特点。稀疏编码的含义是:对于一个给定的图像,通常只用一组基函数中的少数基向量来表示这一图像,而其他的基向量上的系数都为零或几乎为零。利用稀疏编码在数千个图像块上经过训练后得到的一组神经元模型与主视觉皮层中单细胞感受野的空间 ...
【技术保护点】
一种稀疏性相关度图像质量评价方法,其特征在于,通过预处理技术来模拟初级视觉通道的视觉信息处理;利用独立成分分析算法和稀疏编码算法得到一个单细胞模型——单细胞矩阵,来模拟视觉皮层的信息处理;参考图像和失真图像数据经过单细胞矩阵得出接近视觉感知特性的两组输出信息,然后在此基础上计算两组视觉输出信号的相关度,从而得到符合视觉主观判断的图像质量分数,其步骤如下:步骤一、对参考图像和待处理的失真图像进行预处理:利用滑动窗口将参考图像和失真图像划分为不重叠的图像块,每个图像块向量化为列向量,每个列向量通过减去其均值来进行中心化,将参考图像和失真图像的所有列向量组成参考图像和失真图像的协方差矩阵Xref和Xdis;步骤二、利用PCA对参考图像的协方差矩阵进行特征值分解,选取M个最大的特征值和其对应的特征向量分别组成对角矩阵D和特征矩阵E,得到白化矩阵V:V=D‑1/2ET,然后得到白化后的数据矩阵:Z=VXref,其中,M为选取最大特征值的个数;步骤三、利用FastICA稀疏编码算法对白化后的数据矩阵Z进行学习,得到白化数据的单细胞矩阵Ww,然后由白化空间转换为原始空间,得到单细胞矩阵W=WwV;步 ...
【技术特征摘要】
1.一种稀疏性相关度图像质量评价方法,其特征在于,通过预处理技术来模拟初级视觉通道的视觉信息处理;利用独立成分分析算法和稀疏编码算法得到一个单细胞模型——单细胞矩阵,来模拟视觉皮层的信息处理;参考图像和失真图像数据经过单细胞矩阵得出接近视觉感知特性的两组输出信息,然后在此基础上计算两组视觉输出信号的相关度,从而得到符合视觉主观判断的图像质量分数,其步骤如下:步骤一、对参考图像和待处理的失真图像进行预处理:利用滑动窗口将参考图像和失真图像划分为不重叠的图像块,每个图像块向量化为列向量,每个列向量通过减去其均值来进行中心化,将参考图像和失真图像的所有列向量组成参考图像和失真图像的协方差矩阵Xref和Xdis;步骤二、利用PCA对参考图像的协方差矩阵进行特征值分解,选取M个最大的特征值和其对应的特征向量分别组成对角矩阵D和特征矩阵E,得到白化...
【专利技术属性】
技术研发人员:常化文,杨华,张秋闻,吴庆岗,李晔,
申请(专利权)人:郑州轻工业学院,
类型:发明
国别省市:河南;41
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。