一種基于非監(jiān)督學(xué)習(xí)的圖像質(zhì)量評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像質(zhì)量評價方法，尤其是涉及一種基于非監(jiān)督學(xué)習(xí)的圖像質(zhì)量 評價方法。
【背景技術(shù)】
[0002] 隨著圖像編碼和顯示等技術(shù)的迅速發(fā)展，圖像質(zhì)量評價研究已經(jīng)成為其中非常重 要的環(huán)節(jié)。圖像質(zhì)量客觀評價方法研究的目標是與主觀評價結(jié)果盡可能保持一致，從而 擺脫耗時而枯燥的圖像質(zhì)量主觀評價方法，其能夠利用計算機自動地評價圖像質(zhì)量。根 據(jù)對原始圖像的參考和依賴程度，圖像質(zhì)量客觀評價方法可以分為三大類：全參考（Full Reference,FR)圖像質(zhì)量評價方法、部分參考（ReducedReference,RR)圖像質(zhì)量評價方法 和無參考（NoReference，NR)圖像質(zhì)量評價方法。
[0003] 無參考圖像質(zhì)量評價方法由于無需任何參考圖像信息，具有較高的靈活性，因此 受到了越來越廣泛的關(guān)注。目前，已有方法是通過機器學(xué)習(xí)來預(yù)測評價模型，但其計算復(fù)雜 度較高，并且訓(xùn)練模型需要預(yù)知各評價圖像的主觀評價值，并不適用于實際的應(yīng)用場合，存 在一定的局限性。稀疏表示將信號在已知的函數(shù)集上進行分解，力求在變換域上用盡量少 的基函數(shù)來對原始信號進行逼近。稀疏表示的一個關(guān)鍵問題就是如何有效地構(gòu)造字典來表 征圖像的本質(zhì)特征。因此，如何構(gòu)造能反映圖像特征的字典，如何構(gòu)造能反映圖像質(zhì)量的字 典，如果在圖像特征和圖像質(zhì)量的字典之間建立聯(lián)系，都是在無參考圖像質(zhì)量評價研究中 需要重點解決的技術(shù)問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于非監(jiān)督學(xué)習(xí)的圖像質(zhì)量評價方法，其 能夠有效地提高客觀評價結(jié)果與主觀感知之間的相關(guān)性，且計算復(fù)雜度低，無需預(yù)知各評 價圖像的主觀評價值。
[0005] 本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于非監(jiān)督學(xué)習(xí)的圖像質(zhì)量 評價方法，其特征在于包括訓(xùn)練階段和測試階段兩個過程，所述的訓(xùn)練階段過程的具體步 驟如下：
[0006] ①-1、選取N幅原始的無失真圖像；然后將選取的N幅原始的無失真圖像 和每幅原始的無失真圖像對應(yīng)的L個失真強度的失真圖像構(gòu)成訓(xùn)練圖像集，記為 {$'5：,|1以<況,19以}，其中，01，1^>1，(^表示[ 157,5^|1^：^,：^1^4中的第 u幅原始的無失真圖像，5^表示0中的第u幅原始的無失真圖像 對應(yīng)的第ν個失真強度的失真圖像；
[0007] ①-2、通過采用Gabor濾波器獲取IQSAU<ν< 中的每幅 失真圖像中的每個像素點在不同中心頻率和不同方向因子下的頻率響應(yīng)，再獲取 中的每幅失真圖像中的每個像素點在不同中心頻率和不 同方向因子下的振幅，將中坐標位置為（x，y)的像素點在中心頻率為ω和方向因 子為Θ下的振幅記為其中，（x，y)表示原始的無失真圖像及其對應(yīng)的失 真圖像中的像素點的坐標位置，1 <X<w，Ky<H，W和Η對應(yīng)表示原始的無失真 圖像及其對應(yīng)的失真圖像的寬度和高度，ω表示所采用的Gabor濾波器的中心頻率，
{Rk|l彡k彡M}中的第k個子塊；
[0009] ①-4、計算{Rk|l彡k彡M}中的每個子塊中的所有像素點的H0G特征統(tǒng)計直 方圖，將以矢量形式表示的H0G特征統(tǒng)計直方圖作為每個子塊的第一圖像特征矢量，對于 {Rk 11 <k<M}中的第k個子塊，將該子塊中的所有像素點的H0G特征統(tǒng)計直方圖作為該 子塊的第一圖像特征矢量，記為以'，其中，hf的維數(shù)為36 ;并計算{Rk| 1彡k彡M}中的每 個子塊中的所有像素點在不同中心頻率和不同方向因子下的振幅的均值，將得到的每個子 塊對應(yīng)的20個均值按序組成每個子塊的第二圖像特征矢量，將{Rk 11 <k<M}中的第k個 子塊對應(yīng)的20個均值按序組成的第二圖像特征矢量記為gf，其中，gf的維數(shù)為20,gf:中 的一個元素的值為該子塊中的所有像素點在一個中心頻率和一個方向因子下的振幅的均 值；然后根據(jù){Rk| 1 <k<M}中的每個子塊的第一圖像特征矢量和第二圖像特征矢量，獲 得{Rk|l彡k彡M}中的每個子塊的圖像特征矢量，將{Rk|l彡k彡M}中的第k個子塊的圖 像特征矢量記為xf,xf=卜，其中，Xf的維數(shù)為56,此處符號" □"為矢量表示符 號；再將{Rk|l彡k彡M}中的所有子塊的圖像特征矢量構(gòu)成的集合記為·[xfiKAjMh
[0010] ①-5、采用6種不同的全參考圖像質(zhì)量評價方法分別獲取{Rk|l彡k彡Μ}中的每 個子塊的客觀評價預(yù)測值，將得到的每個子塊對應(yīng)的6個客觀評價預(yù)測值按序組成每個子 塊的圖像質(zhì)量矢量，將{Rk|l<k<M}中的第k個子塊對應(yīng)的6個客觀評價預(yù)測值按序組 成的圖像質(zhì)量矢量記為yf，其中，的維數(shù)為6 ;然后將{Rk| 1彡k彡M}中的所有子塊的 圖像質(zhì)量矢量構(gòu)成的集合記為11 ;
[0011] ①-6、采用最小角回歸方法對由{xfIBB-μ}和{yf 構(gòu)成 的集合進行字典訓(xùn)練操作，構(gòu)造得到{?Γ的圖像特征字 典表和圖像質(zhì)量字典表，對應(yīng)記為Df和Da，Df和Dq是采用最小角回歸方法求解
得到的，其中，Df的維數(shù)為56XK， Dq的維數(shù)為6XK，K表示設(shè)定的字典的個數(shù)，K彡1，min()為取最小值函數(shù)，符號" | | | | F" 為求取矩陣的弗羅貝尼烏斯范數(shù)-范數(shù)符號，符號"IIIΙ/'為求取矩陣的1-范數(shù)符號，符 號"III|2"為求取矩陣的2-范數(shù)符號，-"xf···<]，Xdls的維數(shù)為56XM，xf為卜f11<ΒΜ}中的第1個圖像特征矢量，< 為fxf11Mj中的第k個圖像特征矢 量，4為IKhM丨中的第μ個圖像特征矢量，fjyf…yf…#]，Ydls的維數(shù)為 6XM，yf為{yf11<BiW丨中的第1個圖像質(zhì)量矢量，yf為{yf丨1sΕM}中的第k個圖 像質(zhì)量矢量，?為{yf 中的第Μ個圖像質(zhì)量矢量，a表示稀疏矩陣，&=[^·· ak~aM]，a的維數(shù)為KXM，a#a中的第1個列向量，akSa中的第k個列向量，aM為a中 的第Μ個列向量，符號"[]"為矢量表示符號，β為加權(quán)參數(shù)，λ^Ρλ2為拉格朗日參數(shù)；
[0012] 所述的測試階段過程的具體步驟如下：
[0013] ②-1、對于任意一副測試圖像Stest，按照步驟①-2的過程，以相同的操作方式 獲取Stest中的每個像素點在不同中心頻率和不同方向因子下的振幅；然后將Stast劃分成

[0018] 所述的步驟①-2中的0:Λ%.ν;?'Λ的的獲取過程為：
[0019] ①_2a、采用Gabor濾波器對 <：進行濾波處理，得到St中的每個像素 點在不同中心頻率和不同方向因子下的頻率響應(yīng)，將5；中坐標位置為（x，y)的 像素點在中心頻率為ω和方向因子為Θ下的頻率響應(yīng)記為G^:(.y,r;w,<9)， (λ.，.ru"，二 (λ.， 的為的的虛部，j為虛數(shù)單位；
[0020] ①_2b、根據(jù)^中的每個像素點在不同中心頻率和不同方向因子下的頻率 響應(yīng)，計算5：丨中的每個像素點在不同中心頻率和不同方向因子下的振幅，中坐標 位置為（x，y)的像素點在中心頻率為ω和方向因子為Θ下的振幅為： 〇,.燈以)=|(^：(^';吼^|，其中，符號"||||2"為求取矩陣的2-范數(shù)符號。
[0021] 所述的步驟②_3中的a廠是采用最小角回歸方法求解
[0023] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：
[0024] 1)本發(fā)明方法在訓(xùn)練階段，獲取訓(xùn)練圖像集中的每幅失真圖像中的每個像素點在 不同中心頻率和不同方向因子下的振幅，并對每幅失真圖像進行非重疊的分塊處理；然后 根據(jù)每個子塊的H0G特征統(tǒng)計直方圖及每個子塊中的所有像素點在不同中心頻率和不同 方向因子下的振幅的均值，獲取每個子塊的圖像特征矢量，并根據(jù)每個子塊的客觀評價預(yù) 測值獲取每個子塊的圖像質(zhì)量矢量；接著根據(jù)每個子塊的圖像特征矢量和圖像質(zhì)量矢量， 通過非監(jiān)督學(xué)習(xí)方式分別構(gòu)造圖像特征字典表和圖像質(zhì)量字典表；在測試階段不需要再計 算圖像特征字典表和圖像質(zhì)量字典表，這樣避免了復(fù)雜的機器學(xué)習(xí)訓(xùn)練過程，降低了計算 復(fù)雜度，并且無需預(yù)知各評價圖像的主觀評價值，使得本發(fā)明方法適用于實際的應(yīng)用場合。
[0025] 2)本發(fā)明方法在測試階段，根據(jù)在訓(xùn)練階段構(gòu)造得到的圖像特征字典表，通過優(yōu) 化得到測試圖像中的每個子塊的稀疏系數(shù)矩陣，并通過稀疏系數(shù)矩陣和在訓(xùn)練階段構(gòu)造得 到的圖像質(zhì)量字典表，來計算測試圖像的圖像質(zhì)量客觀評價預(yù)