【技术实现步骤摘要】
基于局部平均特征值的图像质量评价方法
本专利技术属图像处理领域，涉及图像质量评价方法。
技术介绍
随着互联网的飞速发展以及科学技术的日益提高，许多图像信息技术被广泛应用。然而日常生活中人们所接触到的图像，其在获取、处理、传输和接收的过程中，由于成像系统、处理方法、传输媒介和记录设备等不完善，加之物体运动、噪声污染等原因，都会不可避免地带来某些图像的失真和降质，从而影响人类对图像的感知，因此对图像进行质量评价就显得很重要，有必要了解图像的失真程度。例如，经过编码压缩后的失真图像，需要对其进行图像质量评价，以便调整相应的策略来更好地满足服务质量的需求。根据参考图像的可用性，将图像质量评价(IQA)算法分为完全参考、减少参考(需要原始图像的完整或部分信息)和无参考操作IQA算法。由于失真图像的原始图像一般不存在，因此无参的质量评价是最实用的。目前质量评价的方法有许多，如可以从失真图像中提取自然场景统计特征，并将其用于分类失真类型，进而评估失真特性；还可以使用互反奇异值曲线的面积和曲率作为质量感知特征。CN201810297...
【技术保护点】
1.基于局部平均特征值的图像质量评价方法，包括下列步骤：/n第一步：将图像的像素值进行归一化，得到归一化后的图像矩阵A，计算图像矩阵A局部平均特征值LMEs，LMEs的计算过程如下：将图像矩阵A进行分割，将其分割为N个S*S大小的小方阵，计算每个小方阵的S个特征值，然后求它们的平均值，即得到图像矩阵A的局部平均特征值。/n第二步：从归一化得到的图像矩阵A中，计算其幅值、方差、熵和对比度即NSS特征，其中的NSS特征为从HSV色彩空间中计算分割后图像的对比度特征，结合第一步得到的图像矩阵A的局部平均特征值，将所得到的各个特征用于稀疏字典学习，对于稀疏字典学习，结合50％训练集...
【技术特征摘要】
1.基于局部平均特征值的图像质量评价方法，包括下列步骤：
第一步：将图像的像素值进行归一化，得到归一化后的图像矩阵A，计算图像矩阵A局部平均特征值LMEs，LMEs的计算过程如下：将图像矩阵A进行分割，将其分割为N个S*S大小的小方阵，计算每个小方阵的S个特征值，然后求它们的平均值，即得到图像矩阵A的局部平均特征值。
第二步：从归一化得到的图像矩阵A中，计算其幅值、方差、熵和对比度即NSS特征，其中的NSS特征为从HSV色彩空间中计算分割后图像的对比度特征，结合第一步得到的图像矩阵A的局部平均特征值，将所得到的各个特征用于稀疏字典学习，对于稀疏字典学习，结合50％训练集的特征构造字典D，字典D可表示为：
...
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。