一种基于灰度差分统计的无参考图像质量评价方法及系统技术方案

本发明专利技术公开了一种基于灰度差分统计的无参考图像质量评价方法，包括：根据预设次数N对所述训练数据集中的每个失真图像连续进行N次低通滤波和下采样处理，分别获取所述训练数据集中的每个失真图像的第2至N+1尺度图像；计算训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱；计算所述局部二值模式图谱的灰度差值，并对所述灰度差值进行统计，获取灰度差概率分布函数；基于灰度差概率分布函数，构造统计量，获取特征向量；将所述特征向量和每个失真图像的主观质量分数利用支持向量回归机SVM进行训练，确定特征向量和主观质量分数的映射关系模型；利用所述映射关系模型对测试图像的质量分数进行评价，获取评价结果。

A method and system for evaluating image quality without reference based on gray difference statistics

The invention discloses a no-reference image quality evaluation method based on gray difference statistics, which includes: successively performing N-times low-pass filtering and downsampling for each distorted image in the training data set according to the preset number N, respectively obtaining the 2nd to N+1 scale images of each distorted image in the training data set; calculating each distorted image and pair in the training data set. The local binary pattern Atlas of the corresponding 2nd to N+1 scale images; calculates the gray difference of the local binary pattern atlas, and counts the gray difference to obtain the probability distribution function of the gray difference; constructs the statistic based on the probability distribution function of the gray difference, and obtains the feature vector; and uses the support vector regression to the eigenvector and the subjective quality fraction of each distorted image. Machine SVM is trained to determine the mapping relationship model between feature vectors and subjective mass fraction. The mapping relationship model is used to evaluate the quality fraction of the test image and obtain the evaluation results.

【技术实现步骤摘要】
一种基于灰度差分统计的无参考图像质量评价方法及系统
本专利技术涉及图像研究领域，并且更具体地，涉及一种基于灰度差分统计的无参考图像质量评价方法及系统。
技术介绍
互联网技术的发展和普及，丰富了人们的日常，方便了人与人之间的交流沟通，特别是图像和视频等多媒体内容的大量传输，给我们带来了极大的视觉享受。但是在图像的采集、传输和存储等过程中，图像常常被引入不同类型和不同程度的失真，导致图像质量的下降，影响了图像的观看效果。为了提高图像处理系统和图像传输系统的性能，需要对图像的质量进行有效的评判，因此，建立合理有效的图像质量评价方法十分重要。图像质量评价算法可以分为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要求被试直接观看图像并对图像的质量进行评价，这种方法耗时耗力，因此不适宜应用在实际的图像处理和图像传输系统中。客观图像质量评价方法通过建立数学模型，对图像的质量进行计算，可以实现大量图像质量的实时评价。根据可利用的参考图像信息的多少，图像质量评价方法可以分为以下三种：全参考、半参考和无参考图像质量评价方法。在工程应用中，一般无法获得原始图像，因此，无参考图像质量评价是本文档来自技高网...

【技术保护点】
1.一种基于灰度差分统计的无参考图像质量评价方法，其特征在于，所述方法包括：根据预设次数N对所述训练数据集中的每个失真图像连续进行N次低通滤波和下采样处理，分别获取所述训练数据集中的每个失真图像的第2至N+1尺度图像；计算训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱；计算所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱的灰度差值，并对所述灰度差值进行统计，获取灰度差概率分布函数；基于灰度差概率分布函数，构造统计量，获取所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的特征向量；将所述训练数据集中的每个失真图像和对应的第2至N+1...

【技术特征摘要】
1.一种基于灰度差分统计的无参考图像质量评价方法，其特征在于，所述方法包括：根据预设次数N对所述训练数据集中的每个失真图像连续进行N次低通滤波和下采样处理，分别获取所述训练数据集中的每个失真图像的第2至N+1尺度图像；计算训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱；计算所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱的灰度差值，并对所述灰度差值进行统计，获取灰度差概率分布函数；基于灰度差概率分布函数，构造统计量，获取所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的特征向量；将所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的特征向量和每个失真图像的主观质量分数利用支持向量回归机SVM进行训练，确定特征向量和主观质量分数的映射关系模型；利用所述特征向量和主观质量分数的映射关系模型对测试图像的质量分数进行评价，获取评价结果。2.根据权利要求1所述的方法，其特征在于，所述预设次数为4次。3.根据权利要求1所述的方法，其特征在于，所述局部而知模式的半径为1，邻域点个数为8。4.根据权利要求1所述的方法，其特征在于，所述计算所述训练数据集中的每个失真图像和对应的第2至N+1尺度图像的局部二值模式图谱的灰度差分值，并对所述灰度拆分值进行统计，获取灰度差概率分布函数，包括：记失真图像为I(x,y)，对应的局部二值模式图谱为Ilbp，(x,y)为Ilbp图像中的一点，点(x,y)对应的灰度值为g(x,y)，与(x,y)间隔为的点的灰度值为则两个像素点的灰度差值为：利用上述方法获取训练数据集中的每个失真图像和对应的第2至N+1尺度图像的所有像素点的灰度差值；对所述灰度差值的所有可能取值进行统计，获取间隔为灰度差为的灰度差概率分布函数。5.根据权利要求4所述的方法，其特征在于，所述间隔6.根据权利要求5所述的方法，其特征在于，所述特征向量包括：对比度、角二阶矩、熵和平均值，所述对比度的计算公式为：所述角二阶矩的计算公式为：所述熵的计算公式为：所述平均值的计算公式为：其中，CON为对比度，ASM为角二阶矩，ENT为熵，MEAN为平均值，i为灰度差值，为间隔为1，灰度差值为i的灰度差概率分布函数。7.一种基于灰度差分统计的无参考图像质量评价系统，其特征在于，所述系统包括：多次尺度图像获取单元、二值模式图谱获取单元、灰度差概率分布函数获取单元、特征向量获取单元...

【专利技术属性】
技术研发人员：李鹏，
申请(专利权)人：航天信息股份有限公司，
类型：发明
国别省市：北京,11