The invention discloses a content insensitive fuzzy image quality evaluation method based on Weibull statistical characteristics. The invention can solve the problem that the fuzzy image of the same fuzzy degree but different content is not accurately evaluated by the prior algorithm. The invention takes the evaluation of edge gradient amplitude matrix of the image, the edge gradient magnitude matrix of the model fitting Weibull distribution, shape and scale parameters of the Weibull distribution gradient, skewness value and calculate the Weibull distribution form, extract the shape, scale and skewness of gradient amplitude distribution parameters can be well separated in different degree of ambiguity image; then the content of the image with the same shape and size of Weibull distribution and skewness of the separation of normalization, reduce the relationship between parameters and image content, image content and reach is not sensitive to the normalized; Weibull distribution shape, scale and skewness as feature values, treat the evaluation of image quality evaluation.
【技术实现步骤摘要】
基于威布尔统计特征的内容不敏感模糊图像质量评价方法
本专利技术涉及图像处理
,具体涉及一种基于威布尔统计特征的内容不敏感模糊图像质量评价方法。
技术介绍
数字多媒体技术和互联网技术的迅猛发展,使得多媒体内容可以成为现代人们日常娱乐、通信的主要内容,比如,高分辨率电视(HighDefinitionTelevision,HDTV)、流媒体网络电视(StreamingInternetProtocolTV,IPTV)、爱奇艺、优酷、Youtube、Flickr等视频网站。如此海量的数据和庞大的需求使得人类对多媒体影像的观赏质量要求越来越高,同时触发多媒体信号采集、压缩、传输、增强以及重构等技术的大力研究。在多媒体采集、处理等过程中,信号经常受到很多外界不利因素的干扰,包括噪声、模糊、压缩块效应等。其中,图像模糊是最常见的一种失真类型,通常包括失焦模糊和运动模糊两种。失焦模糊是由于相机焦点不在物体上导致的,而运动模糊则是由于相机和物体存在相对运动。无论是哪种模糊都会使得被模糊物体的边缘失去锐度,结构变得不清晰,严重影响人类视觉体验。因此,期望能够建立一种客观的图像模糊评价机制,对模糊图像质量评判打分,进而指导采集、处理等过程。现有的图像质量评价算法,依据是否借助无失真图像做参考,可以分为全参考、部分参考和无参考评价算法。全参考评价算法可以利用无失真图像的所有信息,部分参考评价算法则只能通过无失真图像的部分信息做参考,而无参考评价算法无需利用无失真图像的信息。从效果进行比较,全参考评价模型由于可以利用全部的信息,往往有最好的效果;而从实用的角度比较,由于实际中无 ...
【技术保护点】
一种基于威布尔统计特征的内容不敏感模糊图像质量评价方法,其特征在于,包括如下步骤:步骤1,将待评价图像转化为灰度图像,提取灰度图像的梯度幅值矩阵;步骤2,采用威布尔分布模型对步骤1获得的梯度幅值矩阵进行建模拟合,得到梯度的威布尔分布形状和尺度参数,并计算威布尔分布形状的偏斜度;步骤3,提取训练样本集中与待评价图像内容相同的模糊图像,并将这些模糊图像和待评价图像的威布尔分布形状、尺度和偏斜度进行分离归一化;步骤4,以待评价图像的归一化后的威布尔分布形状、尺度和偏斜度为特征值,对待评价图像进行质量评价。
【技术特征摘要】
1.一种基于威布尔统计特征的内容不敏感模糊图像质量评价方法,其特征在于,包括如下步骤:步骤1,将待评价图像转化为灰度图像,提取灰度图像的梯度幅值矩阵;步骤2,采用威布尔分布模型对步骤1获得的梯度幅值矩阵进行建模拟合,得到梯度的威布尔分布形状和尺度参数,并计算威布尔分布形状的偏斜度;步骤3,提取训练样本集中与待评价图像内容相同的模糊图像,并将这些模糊图像和待评价图像的威布尔分布形状、尺度和偏斜度进行分离归一化;步骤4,以待评价图像的归一化后的威布尔分布形状、尺度和偏斜度为特征值,对待评价图像进行质量评价。2.如权利要求1所述的基于威布尔统计特征的内容不敏感模糊图像质量评价方法,其特征在于,利用评价模型进行评价,并事先利用训练样本集对评价模型进行训练,其中,对训练样本集中具有相同内容的样本图像的威布尔分布形状、尺度和偏斜度进行分离归一化,然后以训练样本集中样本图像的主观质量评价值作为目标值,将目标值和对应样本图像的归一化后的特征值作为输入,进行训练。3.如权利要求1或2所述的基于威布尔统计特征的内容不敏感模糊图像质量评价方法,其特征在于,所述步骤4中,采用BP神经网络、SVM算法、超限学习机或稀疏超限学习机回归模型对待评价图像进行评价。4.如权利要求1或2所述的基于威布尔统计特征的内容不敏感模糊图像质量评价方法,其特征在于,利用改进的稀疏超限学习机回归模型对待评价图像进行评价;其中,改进的稀疏超限学习机的优化目标是:其中,γ是学习机输出层权重,||||2表示二范数,||||1表示一范数...
【专利技术属性】
技术研发人员:邓宸伟,王水根,周士超,李震,赵保军,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
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。