评价方法 评价出该失真图像集合中的每幅失真图像的主观评分，将该失真图像集合中的第X幅失 真图像的主观评分记为DMOSy;再按照步骤①至步骤⑥的操作，W相同的方式获取该失真 图像集合中的每幅失真图像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一条件概率特征、每幅失真图像的单演二 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、每幅失真图像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、每幅失真图 像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，将该失真图像集合中的第X幅失真图像的单演二进 制编码幅值图像的局部二值化模式特征图像中像素值为m的所有像素点的第一条件概率 特征记为&/。、(/~^^/^、,、〇'，/) ==w)，将该失真图像集合中的第X幅失真图像的单演二进制 编码相位图像的局部二值化模式特征图像中像素值为n的所有像素点的条件概率特征记 为公,(/'，./)=句，将该失真图像集合中的第X幅失真图像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m的所有像素点的第二条件概率特征记 为Qm,e,y(LBPM,,(i，如==m)，将该失真图像集合中的第X幅失真图像的单演二进制编码 方向图像的局部二值化模式特征图像中像素值为q的所有像素点的条件概率特征记为 Qe，M，x(LBPe，x(i,j) ==q);其中，n" > 1，如取n" =3，x的初始值为l，l《x《X，X表示 该失真图像集合中包含的失真图像的总幅数，在本实施例中X> 5,0《DMOS,《 100,m= 0, 1，…，P，P+l，n= 0, 1，…，P，P+l，q= 0, 1，…，P，P+l，LBPM，x(i,j)表示该失真图像集合中 的第X幅失真图像的单演二进制编码幅值图像的局部二值化模式特征图像{LBP",,(i，j)} 中坐标位置为（i，j)的像素点的像素值，LBP",,(i，j)G[0,P+1]，.、(/'，>)表示该失真 图像集合中的第X幅失真图像的单演二进制编码相位图像的局部二值化模式特征图像 {laPpT化对中坐标位置为（ij)的像素点的像素值，iSPp,心'问0，P+1]，LBPe,x(iJ)表 示该失真图像集合中的第X幅失真图像的单演二进制编码方向图像的局部二值化模式特 征图像（LBPe，x(i，j)}中坐标位置为（i，j)的像素点的像素值，LBPe，x(i,j)G[0，P+l]。 [0026] ⑦支持向量回归（Suppo;rtVectorRegression,SVR)是基于结构风险最小化准 则的新型机器学习方法和统计学理论，其可W有效地抑制过拟合问题，因此本发明将该失 真图像集合作为训练集；然后利用支持向量回归对训练集中的所有失真图像各自的主观评 分及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°pt;接着利用W嘴b构造得到支持向量回归训练模型巧根据支持向量回归训练 模型，对{LBPmQJ)}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、 {LWy/，./)|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"(iJ)}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)，/(.V) = (ww')>(y)+b^'，其中，Q是y的函数，f0为函 数表示形式，y为输入，y表示{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!，(A./)|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、{LBPmQJ)}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，如}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°Pr为W 的转置矢量，口(>')为y的线性函数。
[0027] 为了进一步验证本发明方法的可行性和有效性，进行实验。
[0028] 在此，采用LIVE图像库来分析利用本发明方法得到的失真图像的客观质量 评价预测值与平均主观评分差值之间的相关性。该里，利用评估图像质量评价方法的 3个常用客观参量作为评价指标，即非线性回归条件下的化arson相关系数（Pearson linearcorrelationcoefficient，PLCC)、Spearman相关系数（Spearmanrankorder correlationcoefficient，SROCC)、均方误差（rootmeansquarederror，RISE)，PLCC和 RISE反映失真图像的客观评价结果的准确性，SROCC反映其单调性。
[0029] 利用本发明方法计算LIVE图像库中的每幅失真图像的客观质量评价预测值，再 利用现有的主观评价方法获得LIVE图像库中的每幅失真图像的平均主观评分差值。将按 本发明方法计算得到的失真图像的客观质量评价预测值做五参数Logistic函数非线性拟 合，PLCC和SROCC值越高，RISE值越低说明利用本发明方法得到的客观评价结果与平均主 观评分差值之间的相关性越好。反映本发明方法的质量评价性能的化CC、SR0CC和RISE相 关系数如表1所列。从表1所列的数据可知，按本发明方法得到的失真图像的最终的客观 质量评价预测值与平均主观评分差值之间的相关性是很好的，表明客观评价结果与人眼主 观感知的结果较为一致，足W说明本发明方法的可行性和有效性。
[0030] 表1利用本发明方法得到的失真图像的客观质量评价预测值与平均主观评分差 值之间的相关性
[0031]
【主权项】
1. 一种基于单演二进制编码的无参考图像质量评价方法，其特征在于包括以下步骤： ① 令{Id(i，j)}表示待评价的失真图像，其中，1彡i彡w，1彡j彡H，W表示{Id(i，j)} 的宽度，H表示{Id(i，j)}的高度，Id(i，j)表示{Id(i，j)}中坐标位置为（i，j)的像素点的 像素值； ② 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{Id(i，j)}的单演二进制编码方向图像，对应记为 {Md(i，j)}、{%(/,_/)}和{0d(i，j)}，其中，Md(i，j)表示{M d(i，j)}中坐标位置为（i，j)的像 素点的像素值，表中坐标位置为（i，j)的像素点的像素值，Θ d(i，j)表 示{ θd(i，j)}中坐标位置为（i，j)的像素点的像素值； ③ 采用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{LBPM(i，j)};同样，采用局部二值化模式操作对进行 处理，得到的局部二值化模式特征图像，记为^3/；(/，7_)};采用局部二值化模 式操作对{9d(i，j)}进行处理，得到{9d(i，j)}的局部二值化模式特征图像，记为 ILBP0 (i，j)};其中，LBPM(i，j)表示{LBPM(i，j)}中坐标位置为（i，j)的像素点的像素值， LBPM(i，j) e [〇，P+l]，L5/:,(/，./)表示!以丨中坐标位置为（i，j)的像素点的