一种无参考的图像质量评价方法技术

本发明专利技术提供一种无参考的图像质量评价方法，包括：构建失真图像的训练数据集，提取所述训练数据集中每一个所述失真图像的纹理特征、结构特征、自然性特征和稀疏性特征，并进一步提取描述图像质量的特征；将提取的特征与对应的主观分数输入到支持向量回归模型中训练回归模型；利用训练好的所述回归模型评价待评价的失真图像的质量。可以准确地预测图像的质量，对图像的质量进行全面地衡量，对多种失真类型都有较好的评价效果，准确性和鲁棒性较高。

An image quality evaluation method without reference

【技术实现步骤摘要】
一种无参考的图像质量评价方法
本专利技术涉及图像处理
，尤其涉及一种无参考的图像质量评价方法。
技术介绍
根据参考原始图像的信息量，图像质量评价技术可以分为全参考质量评价、部分参考质量评价和无参考质量评价。其中，全参考质量评价是指参考原始图像的全部信息对失真图像的质量做出估计；部分参考图像质量评价是参考原始图像的部分信息(通常表现为图像特征)对失真图像的质量做出估计；相比于前两种方法，无参考图像质量评价在不参考原始图像的基础上对失真图像的质量进行预测。由于在实际应用中，原始图像往往不存在，因此，无参考质量评价具有更大的实用价值。从广义上来看，无参考质量评价方法可以分为两类，一类是针对特定失真类型的质量评价方法(Distortion-specific)，另一类是通用的质量评价方法(General-purpose)。特定类型的质量评价方法是建立在失真类型已知的基础上，即在估计图像的质量之前，图像的失真类型是已知的，比如噪声、模糊、对比度失真等。这样，研究者就可以针对失真类型设计专门的特征来描述图像的失真程度，从而达到质量评价的目的。然而，由于特定类型的质量评价只对特定失真有效，而失真种类多种多样，不可能为每一种失真类型都设计专门的评价方法，研究者们希望设计一种通用的质量评价方法，可以预测所有的失真，这种质量评价方法被称作通用的质量评价方法。与特定失真质量评价方法相比，通用的质量评价方法的设计具有更大的挑战性，最近几年的研究一般是针对通用的质量评价方法。Wang,Z.等人在《IEEETrans.ImageProcess》第13卷第4期第600页至第612页发表的论文“Imagequalityassessment:fromerrorvisibilitytostructuralsimilarity”中提出的结构相似性方法(SSIM)通过比较原始图像和失真图像的结构相似性来评价失真图像的质量。Zhai,G.等人在2011年IEEEInternationalConferenceonImageProcessing国际会议发表的论文“Noiseestimationusingstatisticsofnaturalimages”中提出利用自然图像的统计信息来估计图像中的噪声程度。Zoran，D.等人在2011年InternationalConferenceonComputerVision国际会议发表的论文“Scaleinvarianceandnoiseinnaturalimages”中提出利用尺度不变形特征来估计图像的噪声程度。Wang,Z.等人在2002年国际会议InternationalConferenceonImageProcessing发表的论文“No-referenceperceptualqualityassessmentofJPEGcompressedimages”中提出了一种JPEG压缩图像的无参考质量评价方法。Liu,H.等人在《IEEETrans.CircuitsSyst.VideoTechnol.》第21卷第7期第971页至第982页提出了无参考的质量评价方法BlindImageQualityIndices(BIQI)，该方法通过将图像失真进行分类来评价图像的质量。M.A.Saad等人在在《IEEETrans.ImageProcess》第21卷第8期第3339页至第3352页发表的论文“BlindImageQualityAssessment:ANaturalSceneStatisticsApproachintheDCTDomain”中提出在图像的DCT域度量图像的质量损失。现有技术中的无参考质量评价方法存在如下技术问题：首先，针对特定失真类型的无参考质量评价方法只能处理某一种特定的失真类型，而在实际应用中，图像的失真类型比较复杂，因此，特定失真类型的无参考评价方法具有较大的局限性；其次，通用的无参考质量评价方法在设计中往往只考虑某一方面的特征来描述图像质量的变化，不能从多个角度来考察图像质量的变化情况，因此，此类方法在衡量图像的质量过程中往往比较片面，其准确性和鲁棒性受到一定程度的影响。以上
技术介绍
内容的公开仅用于辅助理解本专利技术的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。
技术实现思路
本专利技术为了解决现有的问题，提供一种无参考的图像质量评价方法。为了解决上述问题，本专利技术采用的技术方案如下所述：一种无参考的图像质量评价方法，包括如下步骤：S1：构建失真图像的训练数据集，提取所述训练数据集中每一个所述失真图像的纹理特征、结构特征、自然性特征和稀疏性特征，并进一步提取描述图像质量的特征；S2：将提取的特征与对应的主观分数输入到支持向量回归模型中训练回归模型；S3：利用训练好的所述回归模型评价待评价的失真图像的质量。优选地，所述失真图像的纹理特征是相位一致性特征，所述结构特征是梯度信息，所述自然性特征是归一化系数，所述稀疏性特征是稀疏表示特征。优选地，利用Kovesi方法提取所述失真图像的相位一致性特征，并利用韦伯分布对所述相位一致性特征进行拟合，提取拟合参数，将所述拟合参数作为描述图像质量的特征。优选地，利用Kovesi方法提取所述失真图像的相位一致性特征包括：定义一个一维信号s，定义和分别为偶和奇对称的n尺度下的滤波器，所述偶和奇对称的n尺度下的滤波器形成正交的一对滤波器对图像进行滤波，得到在j位置的响应：振幅定义为：令F(j)＝∑nen(j)，H(j)＝∑non(j)，则相位一致性PC计算为：其中，ε是一个正数，取值为0.01，一维信号PC的计算推广到二维信号PC的计算，定义为：其中，o代表各个方向的索引；得到所述失真图像的相位一致性特征之后，用韦伯分布拟合所述相位一致性特征的分布情况，韦伯分布定义为：其中，λ＞0表示尺度参数，k＞0表示形状参数，提取λ和k作为描述图像质量的特征。优选地，利用水平方向和竖直方向的差分算子分别对所述失真图像进行卷积运算，提取所述失真图像的水平方向和竖直方向的梯度信息，然后利用广义高斯分布分别对水平方向、竖直方向的梯度信息进行拟合，提取拟合参数作为描述图像质量的特征。优选地，所述水平方向和竖直方向的差分算子定义为：Dh＝[1,-1],Dv＝[1,-1]T其中，Dh表示水平方向的差分算子，Dv表示竖直方向的差分算子，对所述失真卷积可以表示为：和其中，I表示输入的失真图像，Gh表示I水平方向的梯度，Gv表示I竖直方向的梯度，表示卷积操作；利用广义高斯分布来拟合所述水平方向、竖直方向的梯度信息，广义高斯分布的概率密度定义为：其中，Γ(·)是gamma函数，定义为：其中，α是形状参数，描述分布的形状，β表示标准差，提取α和β作为描述图本文档来自技高网...

【技术保护点】
1.一种无参考的图像质量评价方法，其特征在于，包括如下步骤：/nS1：构建失真图像的训练数据集，提取所述训练数据集中每一个所述失真图像的纹理特征、结构特征、自然性特征和稀疏性特征，并进一步提取描述图像质量的特征；/nS2：将提取的特征与对应的主观分数输入到支持向量回归模型中训练回归模型；/nS3：利用训练好的所述回归模型评价待评价的失真图像的质量。/n

【技术特征摘要】
1.一种无参考的图像质量评价方法，其特征在于，包括如下步骤：
S1：构建失真图像的训练数据集，提取所述训练数据集中每一个所述失真图像的纹理特征、结构特征、自然性特征和稀疏性特征，并进一步提取描述图像质量的特征；
S2：将提取的特征与对应的主观分数输入到支持向量回归模型中训练回归模型；
S3：利用训练好的所述回归模型评价待评价的失真图像的质量。


2.如权利要求1所述的无参考的图像质量评价方法，其特征在于，所述失真图像的纹理特征是相位一致性特征，所述结构特征是梯度信息，所述自然性特征是归一化系数，所述稀疏性特征是稀疏表示特征。


3.如权利要求2所述的无参考的图像质量评价方法，其特征在于，利用Kovesi方法提取所述失真图像的相位一致性特征，并利用韦伯分布对所述相位一致性特征进行拟合，提取拟合参数，将所述拟合参数作为描述图像质量的特征。


4.如权利要求3所述的无参考的图像质量评价方法，其特征在于，利用Kovesi方法提取所述失真图像的相位一致性特征包括：
定义一个一维信号s，定义和分别为偶和奇对称的n尺度下的滤波器，所述偶和奇对称的n尺度下的滤波器形成正交的一对滤波器对图像进行滤波，得到在j位置的响应：



振幅定义为：令F(j)＝∑nen(j)，H(j)＝∑non(j)，则相位一致性PC计算为：



其中，ε是一个正数，取值为0.01，一维信号PC的计算推广到二维信号PC的计算，定义为：



其中，o代表各个方向的索引；
得到所述失真图像的相位一致性特征之后，用韦伯分布拟合所述相位一致性特征的分布情况，韦伯分布定义为：



其中，λ＞0表示尺度参数，k＞0表示形状参数，提取λ和k作为描述图像质量的特征。


5.如权利要求2所述的无参考的图像质量评价方法，其特征在于，利用水平方向和竖直方向的差分算子分别对所述失真图像进行卷积运算，提取所述失真图像的水平方向和竖直方向的梯度信息，然后利用广义高斯分布分别对水平方向、竖直方向的梯度信息进行拟合，提取拟合参数作为描述图像质量的特征。


6.如权利要求5所述的无参考的图像质量评价方法，其特征在于，所述水平方向和竖直方...

【专利技术属性】
技术研发人员：刘玉涛，李秀，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44