基于边缘链码特征的无参考虚拟视点图像质量评价方法技术

本发明专利技术公开一种基于边缘链码特征的无参考虚拟视点图像质量评价方法，采用MASK

【技术实现步骤摘要】
基于边缘链码特征的无参考虚拟视点图像质量评价方法


[0001]本专利技术属于图像处理领域，尤其涉及一种基于边缘链码特征的无参考虚拟视点图像质量评价方法。

技术介绍

[0002]随着图像和视频技术的发展，单视点图像和视频已不能满足人们的需要，自由视点视频应运而生。自由视点视频采用多视点加深度的编码格式，采用基于深度的虚拟视点绘制算法绘制新的视点，但由于深度信息的不精确和绘制算法的误差，绘制得到的虚拟视点图像具有拉伸和孔洞等失真，与传统的图像失真不同，这些失真主要集中在局部区域，因此有必要设计专门针对虚拟视点图像的图像质量评价方法。
[0003]虚拟视点图像质量评价方法根据是否有人的参与可分成主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法由人对图像进行打分，评价结果精确，但评价过程复杂，耗时时间长，难以得到实时应用。客观图像质量评价方法无需人的参与，通过特定的计算机算法自动预测图像质量，根据是否使用原始无失真图像作为参考，可将虚拟视点图像质量评价方法分成全参考虚拟视点图像质量评价方法和无参考虚拟视点图像质量评价方法。全参考本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，该方法包括如下步骤：步骤一：输入虚拟视点失真图像，如果虚拟视点失真图像是彩色图像，将其转换成灰度失真图像I；步骤二：采用已训练过的MASK
‑
RCNN模型对输入灰度失真图像I进行目标检测，得到目标掩膜M，计算目标掩膜M的归一化链码，并将归一化链码的均值、方差、峰度和偏度组合成归一化链码特征向量；同时，提取灰度失真图像I的自然度特征向量；步骤三：将所述归一化链码特征向量和自然度特征向量组合成总特征向量F；步骤四：将总特征向量F合并主观MOS分值送到支持向量回归机中进行训练，得到训练后的支持向量回归机；步骤五：将测试图像同样按步骤二～三提取出特征向量F，送到训练后的支持向量回归机中进行测试，得到客观的图像质量评价结果。2.根据权利要求1所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，所述步骤二中，得到目标掩膜M的子步骤如下：(1)构建MASK RCNN模型，将初始化权重参数输入到构建的MASK RCNN模型；(2)将输入灰度失真图像I输入到初始化的MASK RCNN模型进行目标检测，得到目标掩膜M。3.根据权利要求1所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，所述步骤二中，计算目标掩膜M的归一化链码的子步骤如下：(1)取出第i个目标掩膜M
i
，采用Sobel梯度算子提取目标掩膜的梯度图像G，计算公式如下：下：下：其中，M
i
为掩膜M的第i个目标掩膜，为卷积操作，g
x
为水平方向的Sobel梯度算子，g
y
为垂直方向的Sobel梯度算子，G1为水平方向的梯度图像，G2为垂直方向的梯度图像；G为输入灰度失真图像I的梯度图像；(2)采用Otsu算法对梯度图像G进行二值化处理，得到第i个目标掩膜M
i
的梯度图像的二值化图像B
i
；(3)提取二值化图像B
i
的归一化链码，具体步骤如下：(3.1)选取二值化图像B
i
上的一个边界点作为起始点；(3.2)从起始点开始，沿着边界顺时针方向逐点求八链码的指向符表示，将所有边界点的指向符串联起来，得到该目标掩膜M
i
的原链码A
i
；(3.3)将步骤(3.2)得到的原链码A
i
按一个方向循环，使其构成的自然数最小，得到归一化链码，记为N
i
；(3.4)计算L个目标掩膜M
i
的梯度图像的归一化链码N
i
的均值、方差峰度和偏度，计算公式如下：
其中，L为目标掩膜M
i
的总个数，μ
M
为归一化链码均值，σ
M
为归一化链码方差，β
M
为归一化链码峰度，γ
M
为归一化链码偏度；(3.5)：将步骤(3.4)得到的均值、方差、峰度和偏度，组合成归一化链码特征向量F1，组合公式如下：F1＝[μ
M
,σ
...

【专利技术属性】
技术研发人员：陈淑聪，汪斌，廖师璇，李宇洁，陈国干，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：