像的局部二值化模式特征图像中像 素值为0至P+1中的每个值的所有像素点的第一条件概率特征、各自的单演二进制编码相 位图像的局部二值化模式特征图像中像素值为0至P+1中的每个值的所有像素点的条件概 率特征、各自的单演二进制编码幅值图像的局部二值化模式特征图像中像素值为0至P+1 中的每个值的所有像素点的第二条件概率特征、各自的单演二进制编码方向图像的局部二 值化模式特征图像中像素值为0至P+1中的每个值的所有像素点的条件概率特征进行训 练，使得经过训练得到的回归函数值与主观评分之间的误差最小，拟合得到最优的权值矢 量w°pt和最优的偏置项b 接着利用W和b构造得到支持向量回归训练模型；再根据 支持向量回归训练模型，对{LBPmQ，j)}中像素值为0至P+1中的每个值的所有像素点的 第一条件概率特征、|/^W:,(/\./パ中像素值为0至P+1中的每个值的所有像素点的条件概率 特征、（LBP"(i，j)}中像素值为0至P+1中的每个值的所有像素点的第二条件概率特征、(LBPe(i，j)}中像素值为0至P+1中的每个值的所有像素点的条件概率特征进行测试，预测 得到{Id(i，j)}的客观质量评价预测值，记为Q，Q=f(y)，/Cv) = (ww")>Cv) +bw"，其中， Q是y的函数，f0为函数表示形式，y为输入，y表示{LBPm(i，j)}中像素值为0至P+1中 的每个值的所有像素点的第一条件概率特征、化./)}中像素值为0至P+1中的每个值 的所有像素点的条件概率特征、{LBPmQ，j)}中像素值为0至P+1中的每个值的所有像素点 的第二条件概率特征、（LBPe(i，j)}中像素值为0至P+1中的每个值的所有像素点的条件 概率特征，（W°Pt)T为W°Pt的转置矢量，抑>')为y的线性函数。
[0012] 所述的步骤⑨中局部二值化模式操作中的领域参数P取值为8。
[0013] 与现有技术相比，本发明的优点在于：
[0014] 通过深入挖掘人眼视觉对图像结构的感知特性，对待评价的失真图像实施单演二 进制编码，得到单演二进制编码幅值图像、单演二进制编码相位图像和单演二进制编码方 向图像；接着，对上述=幅图像分别进行局部二值化模式操作，得到各自的局部二值化模式 特征图像；然后，求取单演二进制编码幅值图像、单演二进制编码相位图像和单演二进制编 码方向图像各自的局部二值化模式特征图像中像素值为0至P+1中的每个值的所有像素点 的条件概率特征；最后，根据条件概率特征，采用支持向量回归预测得到待评价的失真图像 的客观质量评价预测值，采用该过程得到的客观质量评价预测值能够准确地反映人眼视觉 主观感知质量，即能够有效地提高客观评价结果与主观感知之间的相关性。
【附图说明】
[0015] 图1为本发明方法的总体实现框图。
【具体实施方式】
[0016]W下结合附图实施例对本发明作进一步详细描述。
[0017] 本发明提出的一种基于单演二进制编码的无参考图像质量评价方法，其总体 实现框图如图1所示，其处理过程为；首先，对待评价的失真图像实施单演二进制编码 (Monogenicbinarycoding,MBC)，得到单演二进制编码幅值图像、单演二进制编码相位 图像和单演二进制编码方向图像；接着，对上述=幅图像分别进行局部二值化模式（Local Binary化ttern)操作，得到各自的局部二值化模式特征图像；然后，求取单演二进制编码 幅值图像、单演二进制编码相位图像和单演二进制编码方向图像各自的局部二值化模式特 征图像中像素值为0至P+1中的每个值的所有像素点的条件概率特征；最后，根据条件概率 特征，采用支持向量回归预测得到待评价的失真图像的客观质量评价预测值。
[0018] 本发明的无参考图像质量评价方法具体包括W下步骤：
[001引①令{Id(i，j)}表示待评价的失真图像，其中，1《i《w，l《j《H，W表示 {Id(iJ)}的宽度，H表示{Id(iJ)}的高度，Id(iJ)表示中坐标位置为（iJ) 的像素点的像素值。
[0020] ②采用现有技术对{Id(i，j)}实施单演二进制编码，得到{Id(i，j)}的单演二进制 编码幅值图像、{Id(i，j)}的单演二进制编码相位图像和{Ida,j)}的单演二进制编码方向 图像，对应记为{Md(i，和{0d(i，j)}，其中，Md(i，j)表示{Md(i，j)}中坐标位 置为（i，j)的像素点的像素值，巧,.(/，./)表示[巧/O'J)}中坐标位置为（i，j)的像素点的像素 值，0dQ，j)表示{ 0 4(1，j)}中坐标位置为（i，j)的像素点的像素值。
[0021] ⑨采用现有的局部二值化模式操作对{Md(i，j)}进行处理，得到{Md(i，j)}的 局部二值化模式特征图像，记为{LBP"(i，j)};同样，采用现有的局部二值化模式操作对 柄0'J)}进行处理，得到柄O'J)}的局部二值化模式特征图像，记为[王sPpO'j)};采用现有 的局部二值化模式操作对{ed(i，j)}进行处理，得到{0d(i，j)}的局部二值化模式特征图 像，记为（LBPe(i，j)};其中，LBPM(i，j)表示{LEPmU，j)}中坐标位置为（i，j)的像素点的 像素值，LBPM(iJ)G[0，P+1]，^^3/;，(/，7')表示^|/^^/>'，./)|中坐标位置为（ij)的像素点的 像素值，。^^，(|''，./)曰「()，/'411，1^8?0(;[，_]')表示邮？0(;[，如}中坐标位置为（;[，_]')的像素点 的像素值，LBPe(i，j)G[0,P+1]，P表示局部二值化模式操作中的领域参数。
[0022] 在本实施例中，局部二值化模式操作中的领域参数P取值为8,局部半径参数R取 值为1。
[002引④获取{LBP"(i，如}中像素值为0至P+1中的每个值的所有像素点与{/^/?/^0'，./')| 中像素值为0至P+1中的每个值的所有像素点的联合概率函数值，将{LBPmQ，j)}中像素值 为m的所有像素点与中像素值为n的所有像素点的联合概率函数值记为， 公尸、/0'，./)=="a公巧,(/，./)-=");并获取{LBP"(iJ)}中像素值为0 至P+1 中的 每个值的所有像素点与{LBPe(i，j)}中像素值为0至P+1中的每个值的所有像素点的联合 概率函数值，将（LBPM(i，j)}中像素值为m的所有像素点与（LBPe(i，j)}中像素值为q的 所有像素点的联合概率函数值记为每，鮮^0 =C化5巧,(/J) == 化乃==如；其中， m= 0, 1，…，P，P+1，n= 0, 1，…，P，P+1，q= 0, 1，…，P，P+1，PcO为联合概率函数。
[0024]⑥计算{LEPmU，j)}中像素值为0至P+1中的每个值的所有像素点的第一 条件概率特征，将{LBP"(i，j)}中像素值为m的所有像素点的第一条件概率特征记为 0、,公尸、,(/，./)== "0，如,。(/公尸、,〇'，./)== "0 = -^之;；并计算jZ_.公中像 素值为0至P+1中的每个值的所有像素点的条件概率特征，将y)}中像素值为n的 所有像素点的条件概率特征记为如，脚明，a,,(/?."=?)=去己计 算{LBPM(i，j)}中像素值为0至P+1中的每个值的所有像素点的第二条件概率特征，将 (LBPmQ,j)}中像素值为m的所有像素点的第二条件概率特征记为瑞，0(LBPmQ，j)== m)，(/，./)==…)=^^^完:;,火;',;"；计算{LBPe(i，_]?)}中像素值为 0 至P+1 中的 每个值的所有像素点的条件概率特征，将{LBPe(i，j)}中像素值为q的所有像素点的条件 概率特征记为Qe,M(LBPe(i，j) ==q)，化、心公&(/，./)==如=^完其中，m= 0, 1,…，P,P+1，n= 0, 1,…，P,P+1，q= 0, 1,…，P,P+1。
[00巧]⑧采用n"幅原始的无失真的图像，建立其在不同失真类型不同失真程度下的 失真图像集合，该失真图像集合包括多幅失真图像；然后利用现有的主观质量