一种基于自主学习的无参考彩色图像质量评价方法技术

本发明专利技术涉及一种基于自主学习的无参考彩色图像质量评价方法，属于图像处理领域。该方法包括：首先，利用四元数理论将训练集中的彩色图像用四元数矩阵表示；其次，对训练图像进行分块并利用人眼视觉感知求得图像块的局部特征；然后，利用自主学习策略构建图像字典，将最具代表性的图像块作为字典的原子；最后，将待评价彩色图像进行相同的预处理后，计算待评价图像与图像字典之间的最大相似性，通过支持向量回归分析得到最终的质量评价分数，并实时更新图像字典。本发明专利技术充分考虑了图像字典中字典原子的代表性和自主学习能力，能够同时对不同失真种类的图像进行评价，且评价结果与主观评价趋于一致。

A non reference color image quality assessment method based on independent learning

The invention relates to a method for evaluating the quality of unreferenced color images based on self-learning, which belongs to the field of image processing. The method includes: firstly, using quaternion theory to represent the color image in training set with quaternion matrix; secondly, dividing the training image into blocks and using human visual perception to obtain the local features of image blocks; secondly, using autonomous learning strategy to construct image dictionary, using the most representative image blocks as dictionaries. Finally, after the same pretreatment of the color image to be evaluated, the maximum similarity between the image to be evaluated and the image dictionary is calculated, and the final quality evaluation score is obtained by support vector regression analysis, and the image dictionary is updated in real time. The method fully considers the representativeness of dictionary atoms and the ability of autonomous learning in image dictionary, and can simultaneously evaluate different kinds of distorted images, and the evaluation results are consistent with the subjective evaluation.

【技术实现步骤摘要】
一种基于自主学习的无参考彩色图像质量评价方法
本专利技术属于图像处理
，特别是图像质量评价方法领域，涉及一种基于自主学习的无参考图像质量评价方法。
技术介绍
图像质量评价技术一直是图像处理领域的关键技术，可以用于评价图像处理方法的效果，或是依据图像质量来选择合适的图像处理方法。因此，图像质量评价技术在图像处理过程中具有非常重要的地位。根据是否需要参考图像，图像质量评价算法可分为三类：全参考质量评价，部分参考图像质量评价和无参考质量评价。全参考质量评价需要依赖完整的参考图像信息，部分参考质量评价需要部分参考图像信息，而无参考质量评价方法不需要参考图像。因为无参考质量评价方法更符合实际应用价值，故受到了更广泛的关注和研究。目前的无参考评价方法基本上都是从灰度图像出发进行研究，但图像除了在灰度图像的对比度失真外，还会发生色相偏移、饱和度降低等颜色失真，这使得无参考彩色图像质量评价更符合实际。现有的无参考彩色图像质量评价方法，通常是将其转换成灰度图像或单独测量每个颜色分量的质量然后将测量值与不同的权重组合来对彩色图像应用灰度测量。前者在灰度转换过程中会出现损耗，且忽略了图像的色彩信息。本文档来自技高网...

【技术保护点】
1.一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，首先利用自主学习策略选择代表性强的样本构建图像字典，然后利用所构建的图像字典和待评价图像实行映射关系得到质量评价分数，最后再利用自主学习策略实时更新图像字典；该方法具体包括以下步骤：S1：针对彩色图像，通过四元数理论将红R、绿G、蓝B三个颜色通道中的像素用一个超复数进行表示，得到彩色图像的四元数矩阵；S2：将图像进行分块处理，通过人眼视觉特性提取图像块的局部特征，并消除图像块间的相关性；S3：利用自主学习策略，自主选择图像块中相似性最小的图像块，并判断该图像块与字典内所有原子间的差异性，若差异性小则放入字典中，依次循环直至达到字典维...

【技术特征摘要】
1.一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，首先利用自主学习策略选择代表性强的样本构建图像字典，然后利用所构建的图像字典和待评价图像实行映射关系得到质量评价分数，最后再利用自主学习策略实时更新图像字典；该方法具体包括以下步骤：S1：针对彩色图像，通过四元数理论将红R、绿G、蓝B三个颜色通道中的像素用一个超复数进行表示，得到彩色图像的四元数矩阵；S2：将图像进行分块处理，通过人眼视觉特性提取图像块的局部特征，并消除图像块间的相关性；S3：利用自主学习策略，自主选择图像块中相似性最小的图像块，并判断该图像块与字典内所有原子间的差异性，若差异性小则放入字典中，依次循环直至达到字典维度时输出字典；S4：通过待评价图像与字典间的映射关系，并通过支持向量回归SVR方法得到最终的质量评价分数；S5：根据待评价图像和求得的质量评价分数用自主学习策略实时更新字典。2.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S1具体包括：将一组已知主观评价分数DMOS值的彩色图像作为训练样本，对每一幅彩色图像中红R、绿G、蓝B三个颜色通道中的像素用四元数的3个虚部表示，实部为0，这样彩色图像的每个像素表示为一个纯四元数：f(x,y)＝fR(x,y)·i+fG(x,y)·j+fB(x,y)·k其中，x和y分别表示像素点在图像中的坐标，fR(x,y)、fG(x,y)、fB(x,y)是分别对应颜色通道内坐标为(x,y)的像素值，i、j、k是四元数的3个虚数单位。3.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S2具体包括以下步骤：S21：将每一幅图像分解成尺度为d×d的互不重叠图像块，设xc是图像块中心点，则块内其他像素点为x1,x2,…xn，那么将图像块内其他像素点分别与xc相减得到该图像块的像素差异值y'，其数学表达式为：y'＝(x1-xc,x2-xc,…,xn-xc)S22：由于人眼对图像的响应具有对数非线性特性，故可通过人眼非线性感知特性将图像块的像素差异值用一个局部特征向量来表示，其数学表达式：z＝sign(y')·log(|y'|+1)其中，z表示图像块的局部特征；S23：利用图像块间的差异性消除相似图像块，其中差异性通过图像块间的夹角求得，即其中，D(zi)表示训练集U中图像块zi与其它图像块间的差异性，zi·zj表示图像块间的内积，||·||表示向量的模值；若D(zi)＝0则说明两图像块相同，可删除后一个图像块以消除图像块间的相似性；S24：利用主成分分析(Principalcomponentanalysis,PCA)法对图像块进行白化，消除图像块的冗余信息，数学表达式为：其中，x...

【专利技术属性】
技术研发人员：陈勇，吴明明，刘焕淋，朱凯欣，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50