一种基于智能视觉的图像质量评估方法技术

本发明专利技术提出一种基于智能视觉的图像质量评估方法,包括图像视觉区域分割、构建亮度颜色模型、视觉区域关系构造和图像质量评估测度四个步骤，通过对评估图像进行分析处理，即可对其进行质量评价，弥补了传统有参图像质量评价的不足，同时，运用分水岭算法对图像进行视觉区域划分，模拟了图像亮度、颜色突变和相似性的视觉效果，综合考虑了图像局部特征对质量评价的贡献，且运用高斯函数逼近视觉区域的亮度、颜色分布，分析不同高斯函数的差异性，模拟了人眼将空间近邻且亮度、颜色相似的像素看作分析基元，弥补了传统方法以图像像素或者子块为基元评价方法的不足。为基元评价方法的不足。为基元评价方法的不足。

【技术实现步骤摘要】
一种基于智能视觉的图像质量评估方法


[0001]本专利技术涉及图像质量
，尤其涉及一种基于智能视觉的图像质量评估方法。

技术介绍

[0002]在图像工程领域，研究者以信息论、图像的视觉特征或者人眼视觉特征为基础，提出了一系列图像质量评估算法。根据图像质量评价的条件，这些算法可分为有参考的和无参考两类，其中有参考的评估算法旨在分析两幅图像(待评估图像和参考图像)在亮度、颜色或特征之间的相对差异，若两者的相对差异较小，则表示待评估图像越逼近参考图像，其质量较高，反之质量较差；
[0003]在图像工程中，研究者常常根据图像的亮度、颜色平均差异来衡量图像质量，如均方误差(MSE)、信噪比(SNR)和峰值信噪比(PSNR)。该评估算法虽然运算简单，但该评估度量只能反映了两幅图像的整体差异，忽略了局部差异，导致其无法评价图像细节信息的损失；
[0004]为了评估图像细节损失程度，研究者们分析了图像的局部特征，提出了基于结构信息相似度(SSIM)的评估算法，该评估算法侧重于图像细节差异，而忽略了图像整体信息的差异，然而在工程应用环境中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能视觉的图像质量评估方法，其特征在于：包括以下步骤：步骤一、图像视觉区域分割计算输入图像中每个像素点的梯度值，并从低到高将其进行排序，梯度值相同时被认为处在同一等层级，然后处理所有层级的像素，直至处理结束；步骤二、构建亮度颜色模型视觉区域内亮度、颜色具有相似性，假设视觉区域内像素个数N
m
趋于无穷大，且每个像素的亮度、颜色都是相互独立的，由大数定理和中心极限定理可知，图像视觉区域像素的亮度、颜色服从高斯分布。第m个视觉区域亮度、颜色u
im
分布表示为：步骤三、视觉区域关系构造依据视觉区域在图像论域中的相对位置关系，将共享部分或全部边缘的区域称为近邻视觉区域，近邻视觉区域间的不适当亮度、颜色相似性对图像质量产生负面影响，不同区域间的对比度仅离散地反映了不同区域间的关系，即构建图像任意视觉区域间的关系矩阵ω，表示为：式中，ω(u)矩阵的每一行表示了该区域与其他各个区域之间的对比度大小，反映了视觉区域间的局部对比度；步骤四、图像质量评估测度分别计算步骤三中矩阵ω(u)中非零元素的最大值，最小值和中位值，分别表示为D0，D1和D2，表示为：并构建图像质量评价函数，表示为：2.根据权利要求1所述的一种基于智能视觉的图像质量评...

【专利技术属性】
技术研发人员：何坤，冯犇，董晶，徐静怡，严丽巧，黎耀琳，
申请(专利权)人：四川大学，
类型：发明
国别省市：