一种基于局部对比度模式的通用无参考图像质量评价方法
【技术领域】
[0001] 本发明涉及一种图像质量客观评价方法，尤其是涉及一种基于局部对比度模式的 通用无参考图像质量评价方法。
【背景技术】
[0002] 图像是人类获取信息的重要途径，图像质量表示图像向人或设备提供信息的能 力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程 中，由于各种因素影响将不可避免的产生降质问题，这给信息的获取或图像的后期处理带 来了极大困难。因此，建立有效的图像质量评价机制非常重要，如在图像去噪、图像融合等 处理过程中可用于各种算法的性能比较、参数选择;在图像编码与通信领域可用于指导整 个图像的传输过程并评估系统性能。
[0003] 图像质量评价方法可以分为两类:主观评价方法和客观评价方法。前者是由观察 者对图像质量进行评分，得到平均评价分用以衡量图像质量;后者利用数学模型计算图像 质量。主观评价方法的实验结果比较可靠，但费时费力。客观评价方法又可分为三类:全参 考图像质量评价方法、半参考图像质量评价方法和无参考图像质量评价方法，当前研究最 多的是全参考图像质量评价方法，但是多数应用中无法获得相应的原始图像，因此，无参考 图像质量评价方法的研究更具实用价值。
[0004] 无参考图像质量评价方法可分为特定失真评价方法和通用评价方法两种，特定失 真评价方法只能对某种特定失真类型的图像进行评价，例如JPEG、JPEG2K及Gblur失真等， 无法对其它类型的失真图像及多种处理技术处理后的图像进行质量评价;通用评价方法可 以同时对多种失真进行评价。
[0005] 现有的通用无参考图像质量评价方法并没有充分考虑人眼视觉特性，因此，如何 在评价过程中有效地提取人眼视觉特征信息，在评价过程中进行人眼视觉特性结合，通过 字典学习和机器学习等方法，使得客观评价结果更加符合人类视觉感知系统，是图像进行 客观质量评价过程中需要研究解决的问题。
【发明内容】
[0006] 本发明所要解决的技术问题是提供一种基于局部对比度模式的通用无参考图像 质量评价方法，其能够充分考虑到多方向视觉机制和局部对比度模式，从而能够有效地提 高客观评价结果与主观感知之间的相关性。
[0007] 本发明解决上述技术问题所采用的技术方案为:一种基于局部对比度模式的通用 无参考图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程，所述的训练阶 段的具体步骤为：
[0008] ① j、选取K幅原始的无失真图像，将第k幅原始的无失真图像记为{LQrg,k(x，y)}， 其中，1(21，1<1^1(，141，19<!1，￥表示原始的无失真图像的宽度，!1表示原始的无失 真图像的高度，L OTg,k(x，y)表示{1^,心，7)}中坐标位置为&，7)的像素点的像素值；
[0009] φ_2、对每幅原始的无失真图像实施8个方向高斯函数偏导数滤波器的滤波，得到 每幅原始的无失真图像的8幅方向信息图像，将{U rg,k(x，y)}的8幅方向信息图像分别记为 {Gi，k(x,y)}、{G2，k(x，y)}、{G3，k(x，y)}、{G4，k(x，y)}、{G5，k(x，y)}、{G6，k(x，y)}、{G7，k(x，y)} 和{Gs，k(x，y)};
[0010] 并对每幅原始的无失真图像实施无方向拉普拉斯高斯滤波器的滤波，得到每幅原 始的无失真图像的1幅无方向信息图像，将{L〇 rg,k(x，y)}的无方向信息图像记为{G〇,k(x， y)}；
[0011] 其中，G1>k(X，y)表示{G1>k(X， y)}中坐标位置为(x，y)的像素点的像素值，G2,k(x，y) 表示{G 2,k(x，y)}中坐标位置为(x，y)的像素点的像素值，G3,k(x，y)表示{G 3,k(x，y)}中坐标 位置为(x，y)的像素点的像素值，G4,k(x，y)表示{G4,k(x，y)}中坐标位置为(x，y)的像素点的 像素值，G 5,k(x，y)表示{G5,k(x，y)}中坐标位置为(x，y)的像素点的像素值，G 6,k(x，y)表示 {66,1^，7)}中坐标位置为&，7)的像素点的像素值，67,1^，7)表示{67,1^，7)}中坐标位置 为(x，y)的像素点的像素值，G 8,k(x，y)表示{G8,k(x，y)}中坐标位置为(x，y)的像素点的像素 值，G〇,k(x，y)表示{G〇,k(x，y)}中坐标位置为(x，y)的像素点的像素值；
[0012] φ_3、采用局部二值化模式操作对每幅原始的无失真图像的8幅方向信息图像分 别进行处理，得到每幅原始的无失真图像的8幅方向信息图像各自的局部二值化模式特征 图像，将{Gi,k(x，y)}的局部二值化模式特征图像记为{LBPi,k(x，y)}，将{G2,k(x，y)}的局部 二值化模式特征图像记为{1^ 2,1^，7)}，将{63,心，7)}的局部二值化模式特征图像记为 {LBP3,k(x，y)}，将{G4,k(x，y)}的局部二值化模式特征图像记为{LBP4,k(x，y)}，将{G5,k(x， y)}的局部二值化模式特征图像记为{LBP5,k(X, y)}，将{G6,k(X, y)}的局部二值化模式特征 图像记为{LBP6,k(x，y)}，将{G7,k(x，y)}的局部二值化模式特征图像记为{LBP7,k(x，y)}，将 {Gs, k(X，y)}的局部二值化模式特征图像记为{LBPs, k(X，y)};
[0013] 并采用局部二值化模式操作对每幅原始的无失真图像的1幅无方向信息图像进行 处理，得到每幅原始的无失真图像的无方向信息图像的局部二值化模式特征图像，将{Go, k (χ，y)}的局部二值化模式特征图像记为{LBP〇,k(χ，y)};
[0014] 其中，LBP1>k(X，y)表示{LBPuUjM中坐标位置为（x，y)的像素点的像素值， 1^卩 1,1{(1，7)￡[0少+1]，1^?2,1{(1，7)表示{1^? 2,1{&，7)}中坐标位置为&，7)的像素点的像素 值，1^2, 1^，7)￡[0少+1]，1^3,1^，7)表示{1^3, 1^，7)}中坐标位置为&，7)的像素点的 像素值，1^3,1^，7)￡[0少+1]，1^4,1^，7)表示{1^4,1^，7)}中坐标位置为&，7)的像素 点的像素值，1^ 34,15&，7)￡[0少+1]，1^?5,1{(1，7)表示{1^? 5,1{&，7)}中坐标位置为&，7)的 像素点的像素值，1^35, 1{&，7)￡[0，？+1]，1^?6,1{(1，7)表示{1^? 6,1{&，7)}中坐标位置为(叉， y)的像素点的像素值，1^6,心，7)￡[0，？+1]，1^7,心，7)表示{1^7,心，7)}中坐标位置为 (x，y)的像素点的像素值，1^7,1^，7)￡[0少+1]，1^ 8,1^，7)表示{1^8,1^，7)}中坐标位 置为(x，y)的像素点的像素值，1^ 8,1^，7)￡[0少+1]，1^〇,1^，7)表示{1^(),1^，7)}中坐 标位置为(X，y)的像素点的像素值，LBP〇, k (X，y) e [ 0，p+1 ]，p表示局部二值化模式操作中的 领域参数；
[0015] ?_4、采用直方图统计方法对每幅原始的无失真图像的8幅方向信息图像各自的 局部二值化模式特征图像进行统计操作，得到每幅原始的无失真图像的8幅方向信息图像 各自的局部二值化模式特征图像的直方图统计特征向量，将{LBP^Ud)}的直方图统计特 征向量记为H1>k，将{LBP2,k(x，y)}的直方图统计特征向量记为H2,k，将{LBP 3,k(x，y)}的直方 图统计特征向量记为H3,k，将{LBP4,k(x，y)}的直方图统计特征向量记为H4,k，将{LBP5, k(x， y)}的直方图统计特征向量记为H5, k，将{LBP6, k (X，y)}的直方图统计特征向量记为H6, k，将 {LBP7,k(X，y)}的直方图统计特征向量记为H7,k，将{LBPs,k(X，y)}的直方图统计特征向量记 为 Hs,k;
[0016] 并采用直方图统计方法对每幅原始的无失真图像的无方向信息图像的局部二值 化模式特征图像进行统计操作，得到每幅原始的无失真图像的无方向信息图像的局部二值 化模式特征图像的直方图统计特征向量，将{LBPo, k(X，y)}的直方图统计特征向量记为Ho,k;
[0017] 其中，出,1{、112,1{、113,1{、114,1{、115,1 {、116,1{、117,1{、118,1{、11。,1 {的维数均为111'\1维，!11,1{中的第111 个元素为中的第m个元素为H2,k(m)，H3,k中的第m个元素为H 3,k(m)，H4,k中的第m个 元素为H4,k(m)，H5,k中的第m个元素为H5,k(m)，H6,k中的第m个元素为H 6,k(m)，H7,k中的第m个元 素为H7,k(m)，Hs,k中的第m个元素为H8,k(m)，H〇,k中的第m个元素为H〇,k(m)，1 ；
[0018] φ_5、将所有原始的无失真图像对应的直方图统计特征向量组成字典学习特征矩 阵，记为Horg，其中，Horg的维数为9m' XΚ维，Horg中的第k列的9m'个元素依次为Hi,k中的m'个 元素、H2,k中的m'个元素、H3,k中的m'个元素、H4,k中的m'个元素、H5,k中的m'个元素、H6,k中的 111'个元素、!17,冲的111'个元素、!18,冲的111'个元素、!1(),冲的111'个元素 ；
[0019] 所述的测试阶段的具体步骤为：
[0020] (D_l、对于任意一幅尺寸大小与步骤①_1中选取的原始的无失真图像的尺寸大小 一致的失真图像，将该失真图像作为待评价的失真图像，并记为{L dls(x，y)}，其中， W，1 <y^H，Ldis(x，y)表示{Ldis(x，y)}中坐标位置为(x，y)的像素点的像素值；
[0021] (D_2、对{Ldls(x，y)}实施8个方向高斯函数偏导数滤波器的滤波，得到{L dls(x，y)} 的8幅方向信息图像，分别记为{Gi,dis(x，y)}、{G2,di s(x，y)}、{G3,dis(x，y)}、{G4,dis(x，y)}、 {G5，di s(x，y)}、{G6，dis(x，y)}、{G7，dis(x，y))^PI{G8，di s(x，y)};
[0022] 并对{Ldis (x，y)}实施无方向拉普拉斯高斯滤波器的滤波，得到{Ldis (x，y)}的1幅 无方向信息图像，记为{G〇,dis(x，y)};
[0023] 其中，表示中坐标位置为(x，y)的像素点的像素值，G2,dls (x，y)表示{G2,dls(x，y)}中坐标位置为(x，y)的像素点的像素值，G 3,dls(x，y)表示{G3,dls(x， y)}中坐标位置为(x，y)的像素点的像素值，G4,dis(x，y)表示{G4,dis(x，y)}中坐标位置为(X， y)的像素点的像素值，G5,dis(x，y)表示{G5,dis(x，y)}中坐标位置为(x，y)的像素点的像素 值，G Mls(x，y)表示{GMls(x，y)}中坐标位置为(x，y)的像素点的像素值，G7, dls(x，y)表示 {67加&，7)}中坐标位置为&，7)的像素点的像素值，68, (11