一種基于梯度關(guān)聯(lián)性的無參考圖像質(zhì)量評價方法
【專利摘要】本發(fā)明提出了一種基于梯度關(guān)聯(lián)性的無參考圖像質(zhì)量評價方法，屬于計算機(jī)圖像分析領(lǐng)域。本方法首先求出圖像梯度當(dāng)中易受失真影響的三種子性質(zhì)，分別為圖像梯度幅值性質(zhì)，圖像梯度方向變化性質(zhì)和圖像梯度幅值變化性質(zhì)。將這三種性質(zhì)進(jìn)行M×M的圖像分塊，在每一個圖像塊中求出上述三種性質(zhì)的統(tǒng)計方差，并使用整幅圖像中所有的圖像塊的統(tǒng)計方差的平均數(shù)作為其圖像特征，最后使用支持向量機(jī)與圖像質(zhì)量評價中兩步框架相結(jié)合的方法求得圖像質(zhì)量。本發(fā)明方法擁有時間復(fù)雜度小、主觀一致性高、圖像特征維數(shù)低通用性好等優(yōu)點，可應(yīng)用與小型計算設(shè)備或與圖像質(zhì)量相關(guān)的應(yīng)用中，具有良好的實用價值。
【專利說明】一種基于梯度關(guān)聯(lián)性的無參考圖像質(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，尤其涉及一種基于梯度關(guān)聯(lián)性的無參考圖像質(zhì)量評價方法，屬于圖像分析【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]視覺乃是人類認(rèn)知世界最基本最有效的途徑之一，圖像便是建立在人類視覺基礎(chǔ)之上的。圖像信息可以準(zhǔn)確直接的幫助人們獲得該信息所要表達(dá)的環(huán)境和意思，這是語音、文字等信息無法比擬的。所以，圖像分析領(lǐng)域在計算機(jī)研究領(lǐng)域中有著十分重要的地位。圖像記錄了在某一時刻某一環(huán)境的狀態(tài)，在這記錄狀態(tài)的過程中，會出現(xiàn)些許的誤差，比如照相機(jī)拍照過程中會受到照相人手抖動的影響、X光片圖像在成像過程中會受到X射線強(qiáng)弱以及膠片的影響等等。這些影響會直接干擾到成像的清晰度，進(jìn)而使得圖像當(dāng)中包含的信息減少并引入失真。
[0003]圖像質(zhì)量評價方法一般分為主觀評價方法和客觀評價方法。一般地，主觀評價方法是將個人基于自身對一幅圖像的視覺感受來評價該副圖像的質(zhì)量分值，并在多人對于同一幅圖像的分值取平均值作為該副圖像的最終分值。雖然這種評價方法是最準(zhǔn)確的，但是其消耗的人力資源大，耗時時間長，同時也易于受到評價人員之間知識、觀點等因素的影響。而客觀評價方法則是應(yīng)用計算機(jī)評價圖像質(zhì)量，排除了人員參與的因素，使得評價效率大大的增高。
[0004]總體來說，客觀質(zhì)量評價方法即是應(yīng)用計算機(jī)技術(shù)來替代主觀評價方法之中人的因素，使得客觀質(zhì)量評價方法所評價的結(jié)果與主觀評價方法的結(jié)果相近。最終完成計算機(jī)模擬人類感知圖像信號的過程?？陀^質(zhì)量評價方法在許多方面均有應(yīng)用:1.作為圖像融合、分割等算法的效果的評價算法；2.作為圖像處理算法的前置算法，為之后的算法提供初始值等；3.衡量通信信道的好壞；4.嵌入到小型圖像采集設(shè)備當(dāng)中作應(yīng)用等。
[0005]客觀質(zhì)量評價方法又可以分為三類:全參考圖像質(zhì)量評價方法、部分參考圖像質(zhì)量評價方法和無參考圖像質(zhì)量評價方法。顧名思義，全參考圖像質(zhì)量評價方法不僅需要失真圖像，還需要與失真圖像所對應(yīng)的未失真圖像。部分參考圖像質(zhì)量評價方法則是對比失真圖像與失真圖像所對應(yīng)的未失真圖像的部分信息，如提取的特征等等，來評價失真圖像的質(zhì)量。而無參考圖像質(zhì)量評價則是僅僅需要失真圖像這一種信息來評價失真圖像的質(zhì)量。在實際應(yīng)用當(dāng)中，以無參考圖像質(zhì)量評價最為具有實用意義，因為在實際應(yīng)用中，與失真圖像所對應(yīng)的原圖像是很難獲得的。
[0006]綜上所述，進(jìn)行對于客觀質(zhì)量評價方法的研究具有廣泛的理論意義和重要的應(yīng)用價值°Moorthy 等人在文獻(xiàn)《A two-step framework for constructing blind image qualityindices》中提出了無參考圖像質(zhì)量評價的兩步框架，涉及的基礎(chǔ)【背景技術(shù)】主要為圖像梯度性質(zhì)和sobIe算子性質(zhì)。
[0007](一 )無參考圖像質(zhì)量評價的兩步框架
[0008]Moorthy等人提出無參考圖像質(zhì)量評價的兩步框架。該框架中，首先將輸入的失真圖像進(jìn)行分類，之后在將該失真圖像在每一類失真中預(yù)測的分?jǐn)?shù)進(jìn)行加權(quán)求和。
[0009]當(dāng)給出一個具有η中失真類型的圖像訓(xùn)練集的時候，首先需要建立圖像特征與失真分類之間的映射，在訓(xùn)練模型是向模型中輸入正確的失真分類和圖像特征，將失真分類模型訓(xùn)練完成，之后可通過該模型輸入圖像特征獲得圖像失真分類。
[0010]特別需要指出的是，在這個分類模型中需要建立一個硬分類器，需要的是一個能夠說明該圖像的失真在每種失真類型當(dāng)中所占的概率，由此將獲得一個η維的向量P，P中的每維數(shù)值便代表了輸入圖像的失真在每種確定的失真類型所占的概率。
[0011]之后，訓(xùn)練針對每種失真類型的回歸模型，即是建立圖像特征與圖像質(zhì)量之間的映射。在訓(xùn)練時，圖像訓(xùn)練集被分為η份，每一份只包含一種確定的失真類型的圖像，因此，需要訓(xùn)練η個回歸模型來預(yù)測當(dāng)輸入圖像中存在的失真為某種特定類型時，在該種類型下的圖像質(zhì)量分?jǐn)?shù)。這可以大大加強(qiáng)映射的準(zhǔn)確性。
[0012]將帶測試圖像輸入η個回歸模型中，將得到η個質(zhì)量分?jǐn)?shù)，將這些質(zhì)量分?jǐn)?shù)按照模型分類向量P所對應(yīng)的順序變?yōu)棣蔷S的質(zhì)量向量q。
[0013]最后，將這些質(zhì)量分?jǐn)?shù)使用圖像中失真分類向量進(jìn)行加權(quán)求和，從而得到客觀預(yù)測分?jǐn)?shù)
【權(quán)利要求】
1.一種基于梯度關(guān)聯(lián)性的無參考圖像質(zhì)量評價方法，其特征在于包括以下步驟: 步驟一、對輸入的失真圖像進(jìn)行特征提?。? 首先，對每一幅圖像求取其在圖像梯度方面的三種不同的子性質(zhì)，即梯度幅值性質(zhì)GM、梯度方向變化性質(zhì)CO和梯度幅值變化性質(zhì)CM，其中，三種梯度性質(zhì)分別定義如下:
【文檔編號】H04N17/00GK104023230SQ201410284237
【公開日】2014年9月3日 申請日期:2014年6月23日 優(yōu)先權(quán)日:2014年6月23日
【發(fā)明者】劉利雄, 化毅, 趙清杰, 黃華 申請人:北京理工大學(xué)