一种图像质量评估方法及装置制造方法及图纸

本发明专利技术公开了一种图像质量评估方法和装置，通过采集图像特征点集，为特征点集构建Delaunay三角形网络，并根据Delaunay三角形网络的唯一性，计算Delaunay三角形网络的相关数据，来评价图像质量，整个评价过程简单高效，且站在计算机视觉角度进行，适用于自动图像识别及增强现实技术领域。

【技术实现步骤摘要】
一种图像质量评估方法及装置
本专利技术涉及图像处理计算领域，尤其涉及一种图像质量评估方法及装置。
技术介绍
在基于内容的图像识别领域，通常以特征点集的方式来表征一个图像，在图像识别时，根据特征点对之间的匹配关系来确定图像的检索结果，在极端情况下，检索结果与目标图像之间只有少量的匹配特征点对，此时，由于特征描述算法的局限性，如果在建立检索数据库时，图像质量较差(比如满足条件的特征点很少，或分布不均)，将很难在极端条件下检索出正确的结果，会干扰图像识别系统的正常工作，影响图像识别效果，进而影响用户体验。现有的图像质量评价方法主要分为：参考图像质量评价和无参考图像质量评价。参考图像质量评价方法由于需要参考图，应用时灵活性差，不适合图像识别领域。而现有的无参考图质量评价方法主要有人为评价方法和根据人眼的主观视觉系统建立数学模型，并通过具体的公式计算图像的质量，这两者方式都参考人眼主观视觉，而自动图像识别属于计算机视觉领域，这些图像质量评价方法都不能到达满意效果。
技术实现思路
本专利技术的目的是提供一种图像质量评估方法及装置，对图像质量进行评估，解决在建立图像检索数据库时，因缺少图像质量评估系统，放入过多质量较差图像而造成的图像识别效果差的问题，能从源头上提高图像识别系统的识别准确率，提升用户体验。为了实现上述专利技术目的，本专利技术提供了一种图像质量评估方法，包括：对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；计算所述Delaunay三角网络中每个三角形的面积area[i]，i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，并根据该占用面积比例对待评估图像进行质量评估。优选的，所述方法还包括：计算area[i]的分布平滑度；根据所述计算出的Delaunay三角网络在待评估图像中的占用面积比例和area[i]的分布平滑度对待评估图像进行质量评估。其中，计算area[i]的分布平滑度具体为：计算area[i]的均值mean和方差variance；计算(area[i]-mean)2中的最大值maxSub；area[i]的分布平滑度＝1-sqrt(variance/maxSub)。优选的，所述对所述待评估图像的特征点集进行Delaunay三角剖分，具体为：对待评估图像的特征点集中各特征点进行空间排序，根据排序结果构建Delaunay三角形网络。优选的，所述空间排序指根据特征点的位置信息对特征点集中的特征点进行中值排序，具体为：将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴；计算构成该直径的两个特征点的中值，改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧，右侧点位于中值点右侧；然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理，直到中值一侧特征点数量小于2。相应的，本专利技术还提出一种图像质量评估装置，包括：特征提取模块，用于对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；三角剖分模块，用于对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；计算模块，用于计算所述Delaunay三角网络中每个三角形的面积area[i]，并根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，其中i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；评估模块，根据计算单元计算出的所述占用面积比例对待评估图像进行质量评估。优选的，所述计算单元还用于计算area[i]的分布平滑度；所述评估单元根据计算单元计算出的所述占用面积比例和area[i]的分布平滑度对待评估图像进行质量评估。优选的，所述三角形剖分单元对所述待评估图像的特征点集进行Delaunay三角剖分，具体为：对待评估图像的特征点集中各特征点进行空间排序，根据排序结果构建Delaunay三角形网络。与现有技术相比，本专利技术具有如下有益效果：本专利技术图像质量评估方法和装置，是为自动图像识别领域进行设计的，通过采集图像特征点集，为特征点集构建Delaunay三角形网络，根据Delaunay三角形网络的唯一性，计算Delaunay三角形网络的相关数据，来评价图像质量，整个评价过程简单高效，并站在计算机视觉角度进行，更适用于自动图像识别领域。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：图1为本专利技术实施例图像质量评估方法流程示意图；图2为本专利技术一个实施例中一个特征点集示意图；图3为本专利技术实施例图像质量评估装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。计算机视觉与人眼视觉有着天然差别，有些人眼可以很容易识别的图像在计算机眼里很难识别，例如特征点极少但非常清晰的图像。在图像识别领域，以及用到图像识别的增强现实
，图像入库是图像识别的前提，然而由于大部分用户不清楚计算机视觉是如何识别图像的，随便放置一些入库图像，当入库图像质量较差时(比如满足条件的特征点很少，或分布不均)，检索很容易失败。因此在图像入库的时候，需要一个图像质量评估方法，告知用户该图是否容易被计算机识别，使检索结果符合用户的预期目标。本专利技术利用Delaunay三角网络的唯一性，为每一个入库图像的特征点集构建一个Delaunay三角网络，根据Delaunay三角网络的相关数据，评估入库图像质量。因本专利技术有用到Delaunay三角形剖分，因此在介绍具体实施例之前，先介绍一下Delaunay三角形网络。Delaunay三角形网络是对点集进行Delaunay三角剖分而形成的网络，要满足Delaunay三角剖分的定义，必须符合两个重要的准则：1)空圆特性：Delaunay三角网是唯一的(任意四点不能共圆)，在Delaunay三角形网中任一三角形的外接圆范围内不会有其它点存在；2)最大化最小角特性：在散点集可能形成的三角剖分中，Delaunay三角剖分所形成的三角形的最小角最大。从这个意义上讲，Delaunay三角网是“最接近于规则化的“的三角网。具体的说是指在两个相邻的三角形构成凸四边形的对角线，在相互交换后，六个内角的最小角不再增大。Delaunay三角网络具备如下优异特性：1)最接近：以最近的三点形成三角形，且各线段(三角形的边)皆不相交；2)唯一性：不论从区域何处开始构建，最终都将得到一致的结果；3)最优性：任意两个本文档来自技高网...

【技术保护点】
一种图像质量评估方法，其特征在于，包括：对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；计算所述Delaunay三角网络中每个三角形的面积area[i]，i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，并根据该占用面积比例对待评估图像进行质量评估。

【技术特征摘要】
1.一种图像质量评估方法，其特征在于，包括：对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；计算所述Delaunay三角网络中每个三角形的面积area[i]，i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，并根据该占用面积比例对待评估图像进行质量评估。2.如权利要求1所述的图像质量评估方法，其特征在于，所述方法还包括：计算area[i]的分布平滑度；根据所述计算出的Delaunay三角网络在待评估图像中的占用面积比例和area[i]的分布平滑度对待评估图像进行质量评估。3.如权利要求2所述的图像质量评估方法，其特征在于，计算area[i]的分布平滑度具体为：计算area[i]的均值mean和方差variance；计算(area[i]-mean)2中的最大值maxSub；area[i]的分布平滑度＝1-sqrt(variance/maxSub)。4.如权利要求1至3中任一项所述的图像质量评估方法，其特征在于，所述对所述待评估图像的特征点集进行Delaunay三角剖分，具体为：对待评估图像的特征点集中各特征点进行空间排序，根据排序结果构建Delaunay三角形网络。5.如权利要求4所述的图像质量评估方法，其特征在于，所述空间排序指根据特征点的位置信息对特征点集...

【专利技术属性】
技术研发人员：陈卓，宋海涛，
申请(专利权)人：成都理想境界科技有限公司，
类型：发明
国别省市：四川,51