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(DiscreteCosineTran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...

【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