一种结合多种特征的无参考自然图像质量评价方法技术

本发明专利技术涉及一种结合多种特征的无参考自然图像质量评价方法，通过计算得到的8个特征，然后构建一个向量fi＝[featureHBC featureNCSD featureH featureL featureHDW featureEAV featureASD featureN]T将图像的特征向量转化为无标注图像的评价概率矩阵，最终可得到无标注的图像i的评分di＝[x1 x2 x3 x4 x5]，无标注的图像i的最终评价概率加权ai＝0*x1+1*x2+2*x3+3*x4+4*x5；该结合多种特征的无参考图像质量评价方法，结合多种图像特征对图像进行质量评价，能够综合考虑图像噪声、图像清晰度等特征，可以更好对图像进行分类，具有更好的普遍性，能够适应各种不同特性的图像质量评价，方便对图像进行科学的分类。

A non reference natural image quality assessment method combined with multiple features

The present invention relates to a non-reference natural image quality assessment method which combines various features. By calculating the eight features, a vector fi = [feature HBC feature NCSD feature H feature L feature HDW feature EAV feature ASD feature N] is constructed to convert the feature vector of an image into an evaluation profile of an unmarked image. The final evaluation probability weighted AI = 0 * X1 + 1 * x2 + 2 * X3 + 3 * X4 + 4 * x5; this method combines many kinds of features to evaluate the quality of the image, and combines many kinds of image features to evaluate the quality of the image. Noise, image sharpness and other characteristics, can better classify the image, has a better universality, can adapt to a variety of different characteristics of the image quality evaluation, facilitate the scientific classification of images.

【技术实现步骤摘要】
一种结合多种特征的无参考自然图像质量评价方法
本专利技术属于图像质量评价
，具体涉及一种结合多种特征的无参考自然图像质量评价方法。
技术介绍
随着近些年多媒体设备的快速发展，大众对图像质量的要求急剧提高，故图像质量评价在近年获得极大关注。图像质量评价分为全参考、半参考、无参考图像质量评价三类，由于绝大多数实际情况无法获得无失真的本体信息，所以无参考图像质量评价方法最为实用。1、全参考算法：基本思路是通过设计特征来比较失真图像和参考图像的局部差异，然后在整幅图像上求出一个总的平均统计量，并把这个统计量与图像质量关联起来。这类方法分为有基于误差统计量和和基于HVS模型的算法，主要代表有均方误差(MSE)模型、峰值信噪比(PSNR)等均属于这类方法。该类方法研究时间最长，也最为成熟；但由于需要比较像素级差异，因此计算量较大，另外该类算法由于需要参考图，应用时灵活性差。2、半参考算法：基本思路是首先将图像分块，然后以图像块为单位分别统计失真图像和参考图像的相关特征，最后比较这些统计特征之间的差异。这类方法又分为基于图像特征统计量的算法和基于数字水印的算法，主要代表有结构相似度(SSIM本文档来自技高网...

【技术保护点】
1.一种结合多种特征的无参考自然图像质量评价方法，其特征在于，包括如下步骤：步骤1、输入图像，对原图进行曝光值加减处理，得到+1EV、+2EV、‑1EV、‑2EV的4幅图像；步骤2、将步骤1中得到的4幅图像和原图依次转为灰度图像，得到5幅灰度图像；步骤3、将5幅图像分别进行直方图统计，计算其直方图均衡系数

【技术特征摘要】
1.一种结合多种特征的无参考自然图像质量评价方法，其特征在于，包括如下步骤：步骤1、输入图像，对原图进行曝光值加减处理，得到+1EV、+2EV、-1EV、-2EV的4幅图像；步骤2、将步骤1中得到的4幅图像和原图依次转为灰度图像，得到5幅灰度图像；步骤3、将5幅图像分别进行直方图统计，计算其直方图均衡系数其中，N为总像素数，n为灰度级的数量，count(i)为灰度为i的像素数；故可以得到5个直方图均衡系数步骤4、对步骤3中得到的5个直方图均衡系数构建一个4次拟合函数，并求该拟合函数的极小值点，归一化之后作为特征featureHBC；步骤5、对步骤2得到的5幅灰度图像分别计算其均方根对比度系数其中，Imax为灰度值的最大值，Imin为最小值，μ为全图的灰度均值，其余与步骤3中定义相同；步骤6、对步骤5中5个均方根对比度值进行修正其中，为理想状态下的CCSD值，用修正后的5个均方根对比度构建4次拟合函数，并求极小值点，归一化之后作为特征featureNCSD；步骤7、对步骤2得到的5幅灰度图像分别计算其熵值其中，pi为灰度级为i的像素在图中出现的概率，其余定义与步骤5中相同；步骤8、对步骤7中的5个熵值构建4次拟合函数，并求极小值点，归一化之后作为特征featureH；步骤9、对步骤2中获得的原图的灰度图像计算其宽容度量化系数(4)并作为特征featureL；步骤10、对步骤2中获得的原图的灰度图像进行分块，计算每一块图像的熵值hi，从步骤7中获取全图熵值H；取hi的中位数为hmed；步骤11、利用步骤10中的hmed和H构建分段函数(5)，然后根据公式(6)计算分块带权值的熵值均值其中，r＝|hmed-H|，MAX为分的块数，并将hDW归一化之后作为特征featureHDW；步骤12、对步骤2中获得的原图的灰度图像进行8邻域点锐度均值计算其中，wa为权值ΔI为灰度差，N为总像素数；EAV值归一化之后转化为特征featureEAV；步骤13、从步骤12中获取8邻域点锐度均值EAV和每一点的8邻域点锐度计算其标准差将ASD归一化之后转化为特征featureASD；步骤14、对步骤2中获得的原图的灰度图像进行分割，计算每一个小块的灰度均值其中，Ii为灰度值，N为小块内的像素数，然后计算小块内的标准差对所有小块进行计算之后，得到所有小块的LSD值LSDi，然后进行统计，并建立K个统计区间，每个统计区间的间隔然后取含LSDi最多的统计区间，将区间内的LSDi值取出来求均值DLSD,计算参数作为特征featureN；步骤15：利用上述步骤得到的8个特征构建一个向量fi＝[featureHBCfeatureNCSDfeatureHfeatureLfeatureHDWfeatureEAVfeatureASDfeatureN]T；步骤16、定义矩阵F＝[f1f2……fn]＝[F1，F2],fj(j＝1,2,…,n)为第j...

【专利技术属性】
技术研发人员：闫允一，肖尧，
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