一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法技术

一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。本发明专利技术公开了一种模拟视觉主观感知的压缩感知重建算法质量评价方法，包括：首先借助神经网络学习人眼视觉多通道对不同失真类型、不同失真程度图像在不同图像质量客观评价算法上的表现特性，将不同客观算法的视觉多通道评价结果转换为更符合人眼视觉特性的主观测试分值，并将神经网络的这种学习转换能力用于评价不同压缩感知重建算法的质量；其次，设计重建图像质量指标和重建图像稳定性指标来评价压缩感知重建算法的质量性能；最后，针对图像的不同观测率、不同失真类型、不同失真程度和不同客观评价算法等具体应用场景，设计了响应的主观感知评价算法及其融合算法。本发明专利技术针对具体应用场景，对各种压缩感知重建算法质量的评价结果更合理全面。

A quality statistical evaluation method for compressed sensing reconstruction algorithm simulating visual subjective perception

A quality statistical evaluation method for compressed sensing reconstruction algorithm simulating visual subjective perception. The invention discloses a method for evaluating the quality of compressed perceptual reconstruction algorithm simulating visual subjective perception, which includes: firstly, learning the performance characteristics of human visual multi-channel on different distortion types and different distortion degree images in different image quality objective evaluation algorithms by means of neural network, and multiplying the vision of different objective algorithms. Channel evaluation results are converted into subjective test scores which are more consistent with human visual characteristics, and the neural network is used to evaluate the quality of different compressed sensing reconstruction algorithms. Secondly, the quality index of reconstructed image and the stability index of reconstructed image are designed to evaluate the quality performance of compressed sensing reconstruction algorithm. Finally, the subjective perception evaluation algorithm and its fusion algorithm are designed for different application scenarios, such as different observation rates, different distortion types, different distortion degrees and different objective evaluation algorithms. The method is more reasonable and comprehensive for evaluating the quality of various compressed sensing reconstruction algorithms for specific application scenarios.

【技术实现步骤摘要】
一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法
本专利技术涉及图像处理
，具体涉及一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。
技术介绍
当今，随着物联网+信息技术的飞速发展和多媒体终端设备的日益普及，数字图像已经成为了应用极为广泛的一种信息源，渗透到各个应用领域以及人们的日常生活。海量的图像数据一方面使得人们获得了直观而丰富的信息资源，但另一方面也给人们带来了极大的挑战，这是由于图像信号的采集、传输、储存和处理等每个环节都需要大量资源设备和成本的投入。近十多年来，国际上出现的压缩感知理论(CompressedSensing，CS)为缓解这些压力提供了解决方法，图像信号由于具有非常潜在的稀疏特性，因而，压缩感知理论在图像处理领域中的研究引起了人们极大的兴趣。目前，尤其是压缩感知理论在图像的压缩测量和恢复重建中的研究吸引了学术界的极大重视，并且已经获得了一些压缩感知图像重建算法，例如，正交匹配追踪(OrthogonalMatchingPursuit，OMP)，迭代加权算法(IterativelyReweightedAlgorithms，IRLS)，迭代硬阈值(本文档来自技高网...

【技术保护点】
1.一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法，包括以下步骤：(1)选择一个图像数据库，将该图像数据库中所有彩色图像转换为灰度图像，在该图像数据库中选择一种图像失真类型；(2)将当前所选图像失真类型中包含的所有灰度图像分成训练集和测试集；(3)利用小波变换方法分别提取训练集和测试集中所有灰度图像的视觉多通道信息视图，选择一种现有图像质量客观评价算法；(4)利用当前图像质量客观评价算法对训练集和测试集中所有灰度图像的各个视觉多通道信息视图进行全参考质量评价；(5)构建BP神经网络训练模型，对训练集中所有失真图像的视觉多通道信息视图的全参考质量评价结果进行学习训练，获得BP神经网络权重...

【技术特征摘要】
1.一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法，包括以下步骤：(1)选择一个图像数据库，将该图像数据库中所有彩色图像转换为灰度图像，在该图像数据库中选择一种图像失真类型；(2)将当前所选图像失真类型中包含的所有灰度图像分成训练集和测试集；(3)利用小波变换方法分别提取训练集和测试集中所有灰度图像的视觉多通道信息视图，选择一种现有图像质量客观评价算法；(4)利用当前图像质量客观评价算法对训练集和测试集中所有灰度图像的各个视觉多通道信息视图进行全参考质量评价；(5)构建BP神经网络训练模型，对训练集中所有失真图像的视觉多通道信息视图的全参考质量评价结果进行学习训练，获得BP神经网络权重和阈值参数；(6)基于所获BP神经网络权重和阈值参数构建BP神经网络预测模型，并利用该BP神经网络预测模型对测试集中所有失真图像的视觉多通道信息视图的全参考质量评价结果进行预测，获得测试集中所有失真图像基于所选图像质量客观评价算法模拟主观感知的评价结果；(7)测试步骤(6)所得评价结果的各性能评价指标水平，并对各性能评价指标水平进行融合，获得所选图像质量客观评价算法模拟主观感知的权重系数；(8)选择所有待比较的压缩感知重建算法，设定一个观测率；(9)在当前观测率下，运行所有待比较的压缩感知重建算法对训练集和测试集中的所有失真图像进行计算，获得所有失真图像基于不同压缩感知重建算法的重建图像；(10)利用步骤(3)所用的小波变换方法提取所有重建图像的视觉多通道信息视图；(11)利用步骤(4)所用的图像质量客观评价算法对步骤(10)获得的所有视觉多通道信息视图进行全参考质量评价；(12)利用步骤(6)获得的BP神经网络预测模型对步骤(11)的全参考质量评价进行预测，获得基于各个压缩感知重建算法的所有重建图像质量模拟主观感知的评价结果，并对该评价结果进行正相关处理；(13)基于步骤(12)所得正相关处理结果，定义重建图像质量指标和重建图像稳定性指标，并计算各个压缩感知重建算法的重建图像质量指标水平和重建图像稳定性指标水平；(14)分别对各个压缩感知重建算法的重建图像质量指标水平和重建图像稳定性指标水平进行融合，获得各个压缩感知重建算法基于选定观测率下重建图像质量的主观感知评价；(15)改变不同的观测率，重复步骤(9)～步骤(14)获得各个压缩感知重建算法基于不同观测率下重建图像质量的主观感知评价；(16)对步骤(14)的主观感知评价结果和对步骤(15)的主观感知评价结果进行融合，获得各个压缩感知重建算法基于观测率敏感性的主观感知评价；(17)改变不同的图像质量客观评价算法，重复步骤(4)～步骤(14)，获得各个压缩感知重建算法重建图像质量基于不同图像质量客观评价算法的主观感知评价；(18)将各个压缩感知重建算法重建图像质量基于不同图像质量客观评价算法的主观感知评价结果进行融合，获得各个压缩感知重建算法基于客观评价算法敏感性的主观感知评价；(19)改变不同的图像失真类型，重复步骤(2)～步骤(14)，获得各个压缩感知重建算法基于不同失真类型下重建图像质量的主观感知评价；(20)将各个压缩感知重建算法重建图像质量基于不同图像失真类型的主观感知评价结果进行融合，获得各个压缩感知重建算法基于图像失真类型敏感性的主观感知评价；(21)选取不同的失真程度区间，重复步骤(2)～步骤(14)，获得各个压缩感知重建算法基于不同失真程度区间下重建图像质量的主观感知评价，(22)对各个压缩感知重建算法重建图像质量基于不同失真程度区间的主观感知评价结果进行融合，获得各个压缩感知重建算法基于失真程度敏感性的主观感知评价；(23)对步骤(16)、步骤(18)、步骤(20)和步骤(22)所得结果进行融合，获得各个压缩感知重建算法重建图像质量模拟主观感知的统计评价结果。2.如权利要求1所述的模拟视觉主观感知的压缩感知重建算法质量统计评价方法，其特征在于，步骤(2)中，训练集与测试集中失真图像的比例为1/3～1。3.如权利要求1所述的模拟视觉主观感知的压缩感知重建算法质量统计评价方法，其特征在于，步骤(5)中，在构建的BP神经网络训练模型中，BP神经网络输入层神经元的数量等于小波分解的通道数量，BP神经网络的输出层神经元数量只有一个，该输出代表所选图像质量客观评价算法的质量评价结果，在训练的过程中，以失真图像质量的多通道客观评价结果作为BP神经网络训练模型的输入，以失真图像质量的人眼主观测试结果分值DMOS作为BP神经网络训练模型的训练目标，以BP神经网络训练模型的输出与真值输出的误差e小于0.00...

【专利技术属性】
技术研发人员：丰明坤，吴茗蔚，王中鹏，施祥，林志洁，向桂山，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：浙江,33