【技术实现步骤摘要】
基于记忆的图像质量无参评估方法
本专利技术涉及一种图像质量评估方法，特别是涉及一种基于图像记忆性的图像质量无参考评价方法，属于图像处理、传输技术利用。
技术介绍
信息化时代，人们所接受信息的大半为视觉信息，图像和视频作为视觉信息的重要载体，是信息化时代的基本元素，具有直观、高效等优点，因此，利用图像信息直接或者间接来反应客观世界，成为众多领域不可或缺的一种手段。在图像的采集、处理、传输、存储以及显示等过程中，由于物理成像系统、处理算法、传输方法和储存设备等不够完善，难免给图像带来不同程度上的失真和退化，图像质量的退化会影响人们对信息的提取和理解。因此，对图像进行合理的评价具有重要的意义。图像质量评价可以分成主观评价和客观评价两种，客观评价模型旨在利用客观的图像特征来表征图像感知质量的变化情况，因此得到了广泛的研究。根据对原始图像的参考程度，客观质量评价可以分为全参考、半参考和无参考。全参考质量评估方法(Full-reference，FR)虽然发展得最完善且有较高的准确性，但是需要完整的原始图像，这对实际运用来说是一个巨大的限制。半参考质量评估方法(Reduced-...
【技术保护点】
1.一种基于记忆的图像无参质量评估方法，其特征在于该方法的具体步骤为：a.记忆特征提取：对输入的失真图像进行显著性估计，估计出显著性图的最佳阈值，进而分离出图像的显著性区域，对显著性区域计算GIST特征，最后对所得的GIST特征进行独立成分分析，得到记忆特征；b.结构特征提取：梯度域的局部二值模式用于描述失真图像的结构特征信息变化程度；c.亮度特征提取：计算失真图像的一阶导数熵来反映亮度特征变化；d.特征训练：得到步骤a、b、c所产生的特征后，使用以径向基函数为核函数的支持向量机建立图像质量预测模型；e.质量分数估计：由步骤d训练得到的模型将失真图像的特征映射为最终的质量分数。
【技术特征摘要】
1.一种基于记忆的图像无参质量评估方法，其特征在于该方法的具体步骤为：a.记忆特征提取：对输入的失真图像进行显著性估计，估计出显著性图的最佳阈值，进而分离出图像的显著性区域，对显著性区域计算GIST特征，最后对所得的GIST特征进行独立成分分析，得到记忆特征；b.结构特征提取：梯度域的局部二值模式用于描述失真图像的结构特征信息变化程度；c.亮度特征提取：计算失真图像的一阶导数熵来反映亮度特征变化；d.特征训练：得到步骤a、b、c所产生的特征后，使用以径向基函数为核函数的支持向量机建立图像质量预测模型；e.质量分数估计：由步骤d训练得到的模型将失真图像的特征映射为最终的质量分数。2.根据权利要求1所述的基于记忆的图像无参质量评估方法，其特征在于所述步骤a的具体步骤为：由一种视觉驱动模型预测出图像中人眼更感兴趣的部分的统计特征，即为图像的记忆特征，感兴趣区域的预测使用了基于局部协方差的显著性预测法获取显著性图，使用Ostu法估计出显著性图的最佳二值化阈值，由此产生二进制图B，B中“0”表示人眼感兴趣，“1”表示人眼不感兴趣，那么对图像I来说，人眼感兴趣的区域Im定义为：Im＝I*B其中I表示失真图像，接着对所提取的感兴趣区域计算全局特征，使用不同尺度和方向的Gabor滤波器对原图进行滤波得到不同尺度和方向上的特征图，再将特征图分成4*4的块，计算所有块的平均值即得到GIST特征；最后对感兴趣区域的GIST特征进行独立成分分析得到记忆特征，计算过程为：fM＝W·G其中W矩阵由FastICA模型进行估计，G为感兴趣区域的GIST特征，fM为记忆特征。3.根据权利要求1所述的基于记忆的图像无参质量评估方法，其特征在于所述步骤b的具体步骤为：图像的结构特征fS由梯度域的局部二值模式描述，利用P算子获得失真图像的梯度图像，计算梯度图像中每一个元素的局部二值模式，即得到梯度域的局部二值模式，计算公式为：P表示中心点像素周围的元素个数，R表示周围像素选取的半径，gi表示...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。