一种基于贝叶斯压缩感知的无参考图像质量客观评价方法技术

本发明专利技术公开了一种基于贝叶斯压缩感知的无参考图像质量客观评价方法，该方法采用利用贝叶斯压缩感知方法的可重构特性，从输入失真图像中重构出重构图像，计算输入失真图像和重构图像的结构相似度索引，将整幅图像的结构相似度索引均值提取作为图像质量评价相似度特征；对输入失真图像进行归一化处理，提取归一化图像的均匀局部二值模式直方图作为均匀局部二值模式特征，联合贝叶斯压缩感知提取的相似度特征和均匀局部二值模式直方图特征得到图像质量评价特征，将图像质量评价特征送到支持向量回归机中进行训练和测试，得到输入失真图像的图像质量评价结果；该方法利用贝叶斯压缩感知方法的可重构特性进行图像质量评价，提高了图像质量评价的精度。

【技术实现步骤摘要】
一种基于贝叶斯压缩感知的无参考图像质量客观评价方法
本专利技术属于图像处理领域，涉及一种图像质量评价方法，尤其涉及一种基于贝叶斯压缩感知的无参考图像质量评价方法。
技术介绍
图像质量评价是图像处理领域的关键问题，图像质量评价方法根据是否有人的参与可分成主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法由人对图像进行打分，评价结果精确，但评价过程复杂，耗时时间长，难以得到实时应用。客观图像质量评价方法无需人的参与，通过特定的计算机算法自动预测图像质量。根据是否使用原始无失真图像作为参考，可将客观图像质量评价方法分成全参考图像质量评价方法，半参考图像质量评价方法和无参考图像质量评价方法。全参考算法使用参考图像的所有信息预测图像质量，半参考图像质量评价方法采用参考图像的部分信息进行图像质量预测，无参考图像质量评价方法不使用参考图像的任何信息进行图像质量评价。目前的无参考图像质量评价方法，根据适用范围，大致可分为两类:针对特定失真类型的方法和适用于多种失真类型的方法。由于针对特定失真类型的方法需要知道其失真类型，故其适用范围受到了限制，因此研究适用于多种失真类型的通用方法成了图本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯压缩感知的无参考图像质量客观评价方法，其特征在于，包括以下步骤：步骤(1)：输入训练图像，所述训练图像包括参考图像和失真图像；步骤(2)：将步骤1的参考图像和失真图像进行灰度变换，将彩色图像变换成灰度图像X；步骤(3)：将步骤2变换得到的灰度图像X的宽度和高度扩展成N的倍数，再将扩展后的灰色图像分成不重叠的大小为N×N的图像块Xi，其中1≤i≤M，Xi为划分后的图像块矩阵，Xi∈RN×N,N为图像块的高度和宽度，M为图像块的个数，R为实数；步骤(4)：将图像块Xi采用小波变换进行多层分解，将多层近似系数和细节系数组合成向量C，其中C为小波系数向量，C∈RK×1，K为小波系数向...

【技术特征摘要】
1.一种基于贝叶斯压缩感知的无参考图像质量客观评价方法，其特征在于，包括以下步骤：步骤(1)：输入训练图像，所述训练图像包括参考图像和失真图像；步骤(2)：将步骤1的参考图像和失真图像进行灰度变换，将彩色图像变换成灰度图像X；步骤(3)：将步骤2变换得到的灰度图像X的宽度和高度扩展成N的倍数，再将扩展后的灰色图像分成不重叠的大小为N×N的图像块Xi，其中1≤i≤M，Xi为划分后的图像块矩阵，Xi∈RN×N,N为图像块的高度和宽度，M为图像块的个数，R为实数；步骤(4)：将图像块Xi采用小波变换进行多层分解，将多层近似系数和细节系数组合成向量C，其中C为小波系数向量，C∈RK×1，K为小波系数向量的元素个数；步骤(5)：构建随机采样矩阵Ψ，Ψ∈RL×K，其中，L和K为采样矩阵Ψ的行数和列数，并且L＜K；用随机采样矩阵Ψ采样小波系数向量C，得到采样向量g，其中g∈RL×1，采样公式如下：g＝ΨC；步骤(6)：根据采样向量g和采样矩阵Ψ采用贝叶斯压缩感知对图像块矩阵Xi进行预测，具体步骤如下：步骤(6.1)：首先初始化超参数β0和β，其中超参数初始化公式如下：β0＝(var(g))-1，β＝[β1，β2，...,βK]T＝ψTg；其中，var(·)表示求取向量方差操作，(·)-1为求倒数操作，β0为初始的超参数，β为超参数向量，β1,...,βK为超参数向量β的K个元素；步骤(6.2)：根据超参数β0和β、采样矩阵Ψ和采样向量g计算小波系数向量C满足的多维高斯分布的均值μ和协方差矩阵Σ，计算公式如下:Σ＝(β0ΨTΨ+B)-1μ＝β0ΣΨTg其中,B为超参数向量β的K个元素β1,...,βK组成的对角矩阵，B＝diag(β1,β2,...,βK)，μ为C满足的多维高斯分布的均值，Σ为C满足的多维高斯分布的协方差矩阵，(·)-1为矩阵求逆操作；步骤(6.3)：迭代计算新的超参数β0*和β*，计算公式如下：其中1≤k≤L其中，λk＝1-βkΣkk，∑kk为步骤7中∑矩阵的第k个对角元素,L为采样矩阵Ψ的行数；步骤(6.4)：重复步骤6.1-步骤6.3，直到完成N次迭代循环，其中迭代循环次数N选取为10000；步骤(6.5)：对向量C的均值μ求小波反变换，并展开成二维矩阵，得到估计图像块Yi，其中1≤i≤M，M为图像块的个数；步骤(7)：利用原始图像块Xi和估计图像块Yi，采用结构相似度索引SSIM计算原始图像块Xi和估计图像块Yi的相似度，得到M个图像块的结构相似度索引均值Q(p)，其中结构相似度索引SSIM计算公式为：其中，r和c分别为原始图像块Xi或估计图像块Yi的行索引和列索引，m和n分别为二维高斯滤波器系数的行索引和列索引，ωm,n为二维高斯滤波器系数,N为滤波器窗口大小，C1和C2为避免分母为0设置的常数,μX为参考灰度图像经高...

【专利技术属性】
技术研发人员：张沈晖，汪斌，张浙熠，王家辉，刘长达，陈志林，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：浙江,33