【技术实现步骤摘要】
一种失真图像质量评价方法、装置、计算机设备及存储介质
本专利技术涉及图像处理领域,尤其涉及一种失真图像质量评价方法、装置、计算机设备及存储介质。
技术介绍
随着5G时代的到来,图像是人类感知和机器模式识别的重要信息源,图像质量评价(ImageQualityAssessment,IQA)对所获取信息的准确性和有效性起着决定作用;然而,图像在获取、压缩、处理、传输、显示等过程中,难免出现失真和退化的情况,这些情况当中,相对于传输与处理过程中的图像失真,获取过程中的图像失真更为复杂、类型不唯一且难以预判。针对上述问题,现有技术通常采用图像质量客观评价方法对图像进行质量评价,主要通过算法对图像质量进行评价,结合人类系统的感知原理,通过数学建模来评价图像质量;客观评价方法可以方便、快捷、容易实现并能结合到应用系统中。在现有的图像质量客观评价中,以对无失真原始图像的依赖程度由高到低可分为三种:全参考图像质量评价方法(Full-ferenceImagequalityassessment,FR-IQA)、部分参考图像质量评价方法(Reduced-referenceImagequalityassessment,RR-IQA)和无参考图像质量评价方法(No-referenceImagequalityassessment,NR-IQA)。其中前两种方法在图像质量评价时需要与参考原始图像信息作为对比,由此才能得出图像质量评价的结果。而无参考图像质量评价方法则不需要任何参考图像信息,无参考型图像质量评价方法也叫做盲图像质量评价(Bli ...
【技术保护点】
1.一种失真图像质量评价方法,其特征在于,包括:/n提取训练图像中的结构信息特征、提取所述训练图像中的纹理信息特征以及提取所述训练图像中的颜色信息特征;/n将所述结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量;/n根据多个所述训练图像的特征向量和对应的评分值,构建评价模型;/n获取待测图像的结构信息特征、纹理信息特征以及颜色信息特征并输入所述评价模型,输出所述待测图像的质量得分。/n
【技术特征摘要】
1.一种失真图像质量评价方法,其特征在于,包括:
提取训练图像中的结构信息特征、提取所述训练图像中的纹理信息特征以及提取所述训练图像中的颜色信息特征;
将所述结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量;
根据多个所述训练图像的特征向量和对应的评分值,构建评价模型;
获取待测图像的结构信息特征、纹理信息特征以及颜色信息特征并输入所述评价模型,输出所述待测图像的质量得分。
2.根据权利要求1所述的失真图像质量评价方法,其特征在于,所述提取所述训练图像中的结构信息特征,包括:
按如下公式计算所述训练图像的梯度值GM;
其中I为训练图像的数字矩阵,T为转置矩阵;
将所述训练图像的梯度值进行线性归一化处理,得到梯度幅度特征图;
提取所述训练图像中像素分布在暗区和亮区的二维特征;
整合所述梯度幅度特征图和二维特征,得到所述训练图像的结构信息特征。
3.根据权利要求1所述的失真图像质量评价方法,其特征在于,所述提取所述训练图像中的纹理信息特征,包括:
分解所述训练图像得到低频、第一中频、第二中频以及高频四个子带;
选取所述第一中频、第二中频以及高频三个子带,按如下公式分别计算三个子带的对数能量ELH、EHL、EHH:
其中,SLH为第一中频,SHL为第二中频,SHH为高频,SXY表示SLH,SHL,SHH中的一个子带,N表示子带中DWT系数的个数,i为行像素灰度值,j为列像素灰度值;
根据所述第一中频、第二中频以及高频三个子带的对数能量ELH、EHL、EHH,得到所述训练图像的纹理特征;
将所述训练图像下采样到原尺寸的一半得到下采样图像,并计算下采样图像的纹理特征,并根据所述训练图像和下采样图像的纹理特征构建所述训练图像的纹理信息特征。
4.根据权利要求1所述的失真图像质量评价方法,其特征在于,所述提取所述训练图像中的颜色信息特征,包括:
从颜色信息的全局出发,计算所述训练图像的颜色矩并进行特征提取,得到特征f1;
从颜色信息的局部出发,获取所述训练图像中的相邻像素间的关系,得到当前像素的MSCN直方图和当前像素与4个相邻像素之间的图像参数;
根据所述当前像素的MSCN直方图和当前像素与4个相邻像素之间的图像参数计算三个颜色通道的特征向量,得到特征f2;
将所述MSCN直方图转化为色调分量,得到第一颜色特征,再将所述训练图像下采样到原始尺寸的一半后得到下采样图像,并获取所述下采样图像的MSCN直方图,将...
【专利技术属性】
技术研发人员:岳广辉,李思莹,周天薇,韩婉婉,李苑,汪天富,李浩,
申请(专利权)人:深圳大学,
类型:发明
国别省市:广东;44
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。