一种基于梯度关联性的无参考图像质量评价方法
【专利摘要】本发明提出了一种基于梯度关联性的无参考图像质量评价方法，属于计算机图像分析领域。本方法首先求出图像梯度当中易受失真影响的三种子性质，分别为图像梯度幅值性质，图像梯度方向变化性质和图像梯度幅值变化性质。将这三种性质进行M×M的图像分块，在每一个图像块中求出上述三种性质的统计方差，并使用整幅图像中所有的图像块的统计方差的平均数作为其图像特征，最后使用支持向量机与图像质量评价中两步框架相结合的方法求得图像质量。本发明方法拥有时间复杂度小、主观一致性高、图像特征维数低通用性好等优点，可应用与小型计算设备或与图像质量相关的应用中，具有良好的实用价值。
【专利说明】一种基于梯度关联性的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评价方法，尤其涉及一种基于梯度关联性的无参考图像质量评价方法，属于图像分析【技术领域】。
【背景技术】
[0002]视觉乃是人类认知世界最基本最有效的途径之一，图像便是建立在人类视觉基础之上的。图像信息可以准确直接的帮助人们获得该信息所要表达的环境和意思，这是语音、文字等信息无法比拟的。所以，图像分析领域在计算机研究领域中有着十分重要的地位。图像记录了在某一时刻某一环境的状态，在这记录状态的过程中，会出现些许的误差，比如照相机拍照过程中会受到照相人手抖动的影响、X光片图像在成像过程中会受到X射线强弱以及胶片的影响等等。这些影响会直接干扰到成像的清晰度，进而使得图像当中包含的信息减少并引入失真。
[0003]图像质量评价方法一般分为主观评价方法和客观评价方法。一般地，主观评价方法是将个人基于自身对一幅图像的视觉感受来评价该副图像的质量分值，并在多人对于同一幅图像的分值取平均值作为该副图像的最终分值。虽然这种评价方法是最准确的，但是其消耗的人力资源大，耗时时间长，同时也易于受到评价人员之间知识、观点等因素的影响。而客观评价方法则是应用计算机评价图像质量，排除了人员参与的因素，使得评价效率大大的增高。
[0004]总体来说，客观质量评价方法即是应用计算机技术来替代主观评价方法之中人的因素，使得客观质量评价方法所评价的结果与主观评价方法的结果相近。最终完成计算机模拟人类感知图像信号的过程。客观质量评价方法在许多方面均有应用:1.作为图像融合、分割等算法的效果的评价算法；2.作为图像处理算法的前置算法，为之后的算法提供初始值等；3.衡量通信信道的好坏；4.嵌入到小型图像采集设备当中作应用等。
[0005]客观质量评价方法又可以分为三类:全参考图像质量评价方法、部分参考图像质量评价方法和无参考图像质量评价方法。顾名思义，全参考图像质量评价方法不仅需要失真图像，还需要与失真图像所对应的未失真图像。部分参考图像质量评价方法则是对比失真图像与失真图像所对应的未失真图像的部分信息，如提取的特征等等，来评价失真图像的质量。而无参考图像质量评价则是仅仅需要失真图像这一种信息来评价失真图像的质量。在实际应用当中，以无参考图像质量评价最为具有实用意义，因为在实际应用中，与失真图像所对应的原图像是很难获得的。
[0006]综上所述，进行对于客观质量评价方法的研究具有广泛的理论意义和重要的应用价值°Moorthy 等人在文献《A two-step framework for constructing blind image qualityindices》中提出了无参考图像质量评价的两步框架，涉及的基础【背景技术】主要为图像梯度性质和sobIe算子性质。
[0007](一 )无参考图像质量评价的两步框架
[0008]Moorthy等人提出无参考图像质量评价的两步框架。该框架中，首先将输入的失真图像进行分类，之后在将该失真图像在每一类失真中预测的分数进行加权求和。
[0009]当给出一个具有η中失真类型的图像训练集的时候，首先需要建立图像特征与失真分类之间的映射，在训练模型是向模型中输入正确的失真分类和图像特征，将失真分类模型训练完成，之后可通过该模型输入图像特征获得图像失真分类。
[0010]特别需要指出的是，在这个分类模型中需要建立一个硬分类器，需要的是一个能够说明该图像的失真在每种失真类型当中所占的概率，由此将获得一个η维的向量P，P中的每维数值便代表了输入图像的失真在每种确定的失真类型所占的概率。
[0011]之后，训练针对每种失真类型的回归模型，即是建立图像特征与图像质量之间的映射。在训练时，图像训练集被分为η份，每一份只包含一种确定的失真类型的图像，因此，需要训练η个回归模型来预测当输入图像中存在的失真为某种特定类型时，在该种类型下的图像质量分数。这可以大大加强映射的准确性。
[0012]将带测试图像输入η个回归模型中，将得到η个质量分数，将这些质量分数按照模型分类向量P所对应的顺序变为η维的质量向量q。
[0013]最后，将这些质量分数使用图像中失真分类向量进行加权求和，从而得到客观预测分数
【权利要求】
1.一种基于梯度关联性的无参考图像质量评价方法，其特征在于包括以下步骤: 步骤一、对输入的失真图像进行特征提取； 首先，对每一幅图像求取其在图像梯度方面的三种不同的子性质，即梯度幅值性质GM、梯度方向变化性质CO和梯度幅值变化性质CM，其中，三种梯度性质分别定义如下:
【文档编号】H04N17/00GK104023230SQ201410284237
【公开日】2014年9月3日 申请日期:2014年6月23日 优先权日:2014年6月23日
【发明者】刘利雄, 化毅, 赵清杰, 黄华 申请人:北京理工大学