一种基于纹理信息统计的无参考图像质量评价方法技术

本发明专利技术公开了一种基于纹理信息统计的无参考图像质量评价方法，该方法是一种通用型无参考图像质量评价方法。首先使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；然后使用完全局部二值模式(Complete Local Binary Patterns,CLBP)处理所得到的梯度图像，得到梯度CLBP图(GCLBP)；接着将梯度图像的幅值作为权重，并且结合GCLBP图，提取梯度幅值权重GCLBP直方图；最后将归一化的梯度幅值权重GCLBP直方图作为特征，使用SVR将其映射为图像分数。本发明专利技术对图像的预测结果与人类主观感知的一致性较好，并且时间复杂度较低，普适性与鲁棒性良好。

【技术实现步骤摘要】
一种基于纹理信息统计的无参考图像质量评价方法
本专利技术属于图像处理与图像质量评价
，涉及一种基于纹理信息统计的无参考图像质量评价方法。可对各类自然图像的质量进行客观量化。
技术介绍
伴随着移动互联网大规模应用以及大数据时代与5G时代的浪潮，海量图像与视频充斥在医疗、航空、交通、商业、农业等各个方面，例如：医学影像、卫星遥感成像、智能交通监控系统、虚拟现实等。除此之外，智能设备的广泛普及也使得人们热衷于借助图片或短视频来分享生活和获取资讯。日渐增长的图像服务需求也使得人们对图像质量的要求越来越高，因此，新的图像技术也在不断产生。例如：高动态范围(HighDynamicRange,HDR)图像，4K超高清图像等已经进入人们的生活。然而，即使在成像技术不断革新的情况下，图像的获取阶段依旧会出现失真。不仅仅如此，在通信系统中，当图像从发送端到达接收端时，图像在压缩、传输、重构等过程中不可避免的会遭受各种失真。例如：在捕获阶段，捕获设备与环境条件可能导致运动模糊、对比度失真等；在压缩编码阶段，基于离散余弦变换(DiscreteCosineTransform,DCT)的编码技术大多会造成块效应和模糊；基于小波变换的JPEG2000压缩技术大多会导致模糊和振铃效应的产生；在传输阶段，不可避免会受到信道噪声等的干扰。因此，需要使用图像质量评价对终端用户体验加以保证，指导和监督图像的获取，存储，压缩，传输以及重现的过程。图像质量评价广义上分为主观图像质量评价和客观图像质量评价。主观图像质量评价由于任务繁琐，耗费时间，高成本，评价结果不可复制，以及评价的主体是人的巨大缺点，导致无法大规模应用。客观图像质量评价使用计算机模型对图像质量进行量化，不需要人的参与，依靠数据驱动，是主观评价方法的有效替代。凡是与数字图像相关的领域，它都具有十分广阔的应用价值。依据评价过程中对原始图像信息使用的多少，客观评价方法可以被分为：全参考图像质量评价，半参考图像质量评价，无参考(盲)图像质量评价。由于无参考图像质量评价不需要任何参考图像的信息，因此无参考图像质量评价是当下研究和使用最为广泛的图像质量评价方法。在构建客观图像质量评价方法的过程中，研究并模拟人类视觉系统特性，是构建符合人类视觉感知评价方法的基础所在，也是获取与人类主观感知结果更为一致的客观评价结果的有力手段。大量的研究表明，人类视觉系统对于图像边缘、纹理等高频信息十分敏感。同时，图像边缘和纹理能够表征图像结构，而失真却会破坏图像结构。因此，有众多研究利用边缘与纹理信息完成图像质量评价。现有的图像质量评价方法中，局部二值模式(LocalBinaryPatterns,LBP)已被广泛用于纹理信息提取。例如：Li等在文章“Blindimagequalityassessmentusingstatisticalstructuralandluminancefeatures[J].IEEETransactionsonMultimedia,2016,18(12):2457-2469”中利用LBP在空域中提取图像的结构特征；同年，他们在文章“No-referencequalityassessmentformultiply-distortedimagesingradientdomain[J].IEEESignalProcessingLetters,2016,23(4):541-545”中用Prewitt算子对图像进行滤波，在梯度域中使用LBP提取特征；Rezaie等在文章“No-referenceimagequalityassessmentusinglocalbinarypatterninthewaveletdomain[J].MultimediaToolsandApplications,2018,77(2):2529-2541”中使用小波变换处理图像并在小波域中利用LBP提取特征。这三种方法均使用LBP提取图像的纹理信息，并且都取得了不错的结果。综上所述可知，基于人类视觉系统对于纹理等高频信息敏感的特性，LBP作为一种简单易用的纹理信息描述符常被用于构建图像质量评价方法。然而，LBP依旧有其弊端所在：LBP对光照变化不敏感但对噪声却十分敏感，除此之外LBP仅对中心像素与周围像素间的关系加以描述，而图像的幅度信息并未被利用。因此，本专利技术致力于在利用人类视觉系统特性的基础上，提取更加完善的纹理、边缘等图像信息，构建新的通用型无参考图像质量评价方法。
技术实现思路
本专利技术公开了一种基于纹理信息统计的无参考图像质量评价方法。目的在于提供一种通用型无参考图像质量评价方法，能够在不受图像失真类型及种类限制的情况下对图像质量进行客观量化，以达到评价方法真正无参考、通用且评价结果与人类主观评价高度一致的目的。本专利技术是通过以下技术方案实现的：一种基于纹理信息统计的无参考图像质量评价方法，包括以下步骤：步骤1：使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；步骤2：使用CLBP中的两个操作符：CLBP符号(CLBP_sign,CLBP_S)与CLBP幅度(CLBP_Magnitude,CLBP_M)处理步骤1中得到的梯度图像，分别得到梯度CLBP_S(GCLBP_S)图与梯度CLBP_M(GCLBP_M)图；步骤3：将步骤1中得到梯度图像的幅值作为权重，并且结合步骤2中得到的GCLBP_S图与GCLBP_M图，提取梯度幅值权重GCLBP_S直方图与梯度幅值权重GCLBP_M直方图；步骤4：对步骤3中得到的两种直方图进行联合统计，将其作为表达图像信息的特征向量；步骤5：对原始图像进行下采样，并且重复步骤1至步骤4，直到完成所设置的下采样次数为止；步骤6：将上述步骤中得到的特征向量依次进行级联，构成最终的图像特征，使用支持向量回归机将图像特征映射为质量分数。优选的，所述步骤1中使用Scharr算子处理图像表示为：其中，(i,j)表示位置索引；I表示待运算的图像；g表示运算得到的梯度图像；为卷积运算符；Hx,Hy分别表示Scharr滤波器的水平分量和垂直分量，形式如下：优选的，所述步骤2中使用的CLBP符号(CLBP_S)与CLBP幅度(CLBP_M)操作符的定义如下：计算周围像素与中心像素灰度值间的差，即：{di＝ai-ac|i＝0,1,...,P-1}，其中ac表示中心像素的灰度值；ai表示圆周上像素点的灰度值，由此可以得到周围像素点与中心像素点的局部差异信息，用向量[d0,d1,...,dP-1]表示，然后，使用局部差分符号-幅度变换(LDSMT)将di分解为符号分量和幅度分量两部分，LDSMT表示为：di＝si*mi(3)其中，si表示di的符号；mi表示di的幅度；通过符号分量si构建CLBP_S，即：将-1变为0，便构成了CLBP_S，这与原始LBP的构造原理是一致的，定义为：其中，λ(x)为符号函数；R为采样时圆形本文档来自技高网...

【技术保护点】
1.一种基于纹理信息统计的无参考图像质量评价方法，其特征在于：包括以下步骤：/n步骤1：使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；/n步骤2：使用CLBP中的两个操作符CLBP_S与CLBP_M处理步骤1中得到的梯度图像，分别得到GCLBP_S图与GCLBP_M图；/n步骤3：将步骤1中得到梯度图像的幅值作为权重，并且结合步骤2中得到的GCLBP_S图与GCLBP_M图，提取梯度幅值权重GCLBP_S直方图与梯度幅值权重GCLBP_M直方图；/n步骤4：对步骤3中得到的两种直方图进行联合统计，将其作为表达图像信息的特征向量；/n步骤5：对原始图像进行下采样，并且重复步骤1至步骤4，直到完成所设置的下采样次数为止；/n步骤6：将上述步骤中得到的特征向量依次进行级联，构成最终的图像特征，使用支持向量回归机将图像特征映射为质量分数。/n

【技术特征摘要】
1.一种基于纹理信息统计的无参考图像质量评价方法，其特征在于：包括以下步骤：
步骤1：使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；
步骤2：使用CLBP中的两个操作符CLBP_S与CLBP_M处理步骤1中得到的梯度图像，分别得到GCLBP_S图与GCLBP_M图；
步骤3：将步骤1中得到梯度图像的幅值作为权重，并且结合步骤2中得到的GCLBP_S图与GCLBP_M图，提取梯度幅值权重GCLBP_S直方图与梯度幅值权重GCLBP_M直方图；
步骤4：对步骤3中得到的两种直方图进行联合统计，将其作为表达图像信息的特征向量；
步骤5：对原始图像进行下采样，并且重复步骤1至步骤4，直到完成所设置的下采样次数为止；
步骤6：将上述步骤中得到的特征向量依次进行级联，构成最终的图像特征，使用支持向量回归机将图像特征映射为质量分数。


2.根据权利要求1所述的基于纹理信息统计的无参考图像质量评价方法，其特征在于：所述步骤1中使用Scharr算子处理图像表示为：



其中，(i,j)表示位置索引；I表示待运算的图像；g表示运算得到的梯度图像；为卷积运算符；Hx,Hy分别表示Scharr滤波器的水平分量和垂直分量，形式如下：





3.根据权利要求1所述的基于纹理信息统计的无参考图像质量评价方法，其特征在于：所述步骤2中使用的CLBP_S与CLBP_M操作符的定义如下：
计算周围像素与中心像素灰度值间的差，即：{di＝ai-ac|i＝0,1,...,P-1}，其中ac表示中心像素的灰度值；ai表示圆周上像素点的灰度值，由此可以得到周围像素点与中心像素点的局部差异信息，用向量[d0,d1,…,dP-1]表示，然后，使用局部差分符号-幅度变换LDSMT将di分解...

【专利技术属性】
技术研发人员：李春泉，肖典，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36