进行一次主观比较的价值，从所述图像组的图 像对中，选择一个第一图像对，
[0114] 获取单元25,获取观测者对所述第一图像对的相对质量的判断结果；
[0115] 第一更新单元26,根据所述观测者对所述第一图像对的相对质量的判断结果，更 新所述图像的当前成对比较结果；
[0116] 第二更新单元27,根据更新后的成对比较结果，更新所述当前全局排序结果；
[0117] 判断单元28,判断是否满足W下任一条件；当满足时，则结束;否则，继续启动所述 选择单元；
[011引所述条件为：
[0119] 所述图像的当前全局排序结果的被更新次数大于比较次数阔值;或者
[0120] 所述图像的当前全局排序结果与上次的全局排序结果相同。
[0121] 所述第二生成单元21包括；
[0122] 计算子单元，根据所述图像的客观质量分数，计算所述图像对的客观质量分数的 相对大小；
[0123] 选择子单元，根据所述图像对的客观质量分数的相对大小，从所述图像对中，选取 预定个数的第二图像对；
[0124] 生成子单元，根据所述第二图像对的客观质量分数的相对大小，生成所述第二图 像对的初始化的成对比较结果，作为所述所有图像对的的初始化的成对比较结果。
[0125] W下描述本发明的设计思想。
[0126] 如图3所示，本发明的一种基于成对比较的图像主观质量的评价方法，包括=个阶 段，分别是初始化阶段、选择图像对阶段和主观测试阶段。
[0127] 在初始化阶段，主观测试前得到对图像质量粗略的估计；
[0128] 在选择图像对阶段，通过选取包含的信息量大且观测者有能力区分的图像对进行 主观测试，避免了低效的测试；
[0129] 在主观测试阶段，选取当前最值得比较的图像对进行主观测试，观测者对选出的 图像对进行主观质量评价，并更新图像的成对比较结果和全局质量分数。
[0130] W下具体描述。
[0131] -种基于成对比较的图像主观质量的评价方法，包括：
[0132] 步骤1，利用图像客观质量评价算法，初始化图像的成对比较结果和全局质量分 数；
[0133] 所述步骤1包括：
[0134] 步骤11，利用客观质量评价算法，例如结构相似指数SSIM算法，得到图像的客观质 量分数；
[0135] 步骤12,对于所有的图像对，计算出各个图像对的客观质量分数的差;选取客观质 量评价中质量分数差最大的若干个个图像对;对于选出的图像对，根据其客观质量分数的 相对大小，模拟出观测者对运些图像对的成对比较结果，作为图像的初始成对比较结果(模 拟成对比较结果）；例如对于被选到的图像对A、B，若客观质量分数显示A的质量比B好，则获 得一条认为A比帖子的模拟成对比较结果。
[0136] 步骤13,综合初始成对比较结果，通过将成对比较结果转化为全局排序的聚合算 法，由初始化的成对比较结果得到图像初始化的全局排序，即初始化的全局质量分数。
[0137] 步骤2,通过图像当前的质量分数与主观评价结果，预测观测者正确判断图像对相 对质量的难易程度和图像对的正确比较结果所包含的信息量，再结合图像对已经被比较过 的次数，选择当前最值得比较的图像对。
[0138] 步骤2中，选择当前最值得比较的图像对由3个因素决定，运3个因素包括：
[0139] (1)观测者有能力判断图像对相对质量的概率；
[0140] (2)图像对的正确比较结果所包含的信息量；
[0141] (3)增加一次图像对的主观比较对其比较结果可靠性的增加量。
[0142] 其中，第一因素：即观测者有能力判断图像对相对质量的概率的获取步骤为：
[0143] 假定阔值，当图像对的质量分数差大于运个阔值时，观测者有能力判断图像对的 相对质量。观测者有能力判断图像对相对质量的概率等于图像对的质量分数差大于此阔值 的概率。此阔值服从某一分布Q (如威布尔分布），分布的参数可W根据当前已充分比较的 图像对的质量分数差与多次主观判断结果来获得。对于任意被主观比较次数超过2次的图 像对，设为A、B，假设有riA个观测者认为图像A的质量比帖子，有M个观测者认为图像B的质量 tkA好，则观测者有能力判断其相对质量的概率Pab可W表示为与riA和M相关的函数，比如Pab =I nA-riB I / (riA+邮），其中dAB表示图像A和B的当前全局质量分数的差，则所有被主观比较次 数超过2次的图像对，其全局质量分数差dAB和可判断概率P，可W用来对概率分布Q模型进 行曲线拟合，从而得到概率分布Q的参数。利用参数已知的概率分布Q，则对于任意图像 对，都可W通过其两图像质量分数差，预测观测者有能力判断其相对质量的概率。
[0144] 图像对的正确比较结果所包含的信息量表示观测者对图像对的相对质量的不同 判断的比例。观测者对图像对的相对质量的不同判断的比例，具体为：当观测者有能力正确 判断图像对的相对质量时，观测者会做出正确的判断，当观测者没有能力正确判断图像对 的相对质量时，观测者会随机做出一个判断。例如，对于任一图像对，设其概率为P，则其信 息量可W表示为
[0145] 增加一次图像对的主观比较对其比较结果可靠性的增加量随着图像对当前已比 较次数的增加而减少，由一个与图像对当前已被主观比较次数n和所有图像当前已被比较 总数t相关的函数A R (n，t)决定，例如函数I
[0146] 所述步骤2包括：
[0147] 步骤21，根据图像当前的全局质量分数和主观评价结果，利用概率分布模型，预测 观测者有能力判断图像对相对质量的概率和图像对的正确比较结果所包含的信息量；
[0148] 步骤22,根据各个图像对已经被主观比较过的次数，计算各个图像对再进行一次 主观比较对其最终比较结果可靠性的增加量。
[0149] 例如，对于任意一个图像对，假设其已经被比较n次，所有图像一共进行了 t次主观 比较，则再进行一次主观比较，对其最终比较结果可靠性的增加量A R可W表示为n和t的一 个函数，例如函数
[0150] 步骤23,综合观测者有能力判断当前各个图像对相对质量的概率的预测值、各个 图像对的正确比较结果所包含的信息量W及各个图像对再进行一次主观比较对其最终比 较结果可靠性的提高比例，选出当前最值得比较的图像对。也就是说，通过与（P，I，AR)呈 正相关的函数，如P，I，A R的乘积，计算各个图像对再进行一次主观比较的价值V，选取V值 最大的预定个数的图像对。当然，也可W对P，I，AR设置不同的权重系数。
[0151] 步骤3,获取观测者对选择的图像对的相对质量的判断结果;利用观测者给出的对 选出的图像对的相对质量的判断结果，更新图像对的成对比较结果和全局质量分数，也就 是说，通过将成对比较结果转化为全局排序的算法，由当前的成对比较结果，得到图像当前 的全局排序，即全局质量分数。
[0152] 所述步骤3包括：
[0153] 步骤31，获取观测者对选出的图像对的一次主观比较的比较结果，更新该图像对 的成对比较结果；
[0154]步骤32,根据更新后的图像成对比较结果，通过将成对比较结果转化为全局排序 的算法，得到各个图像新的全局排序，即全局质量分数。
[01巧]步骤33,返回步骤2的步骤21，继续进行比较。此时，假设所有图像已经被比较t次， 则下一次循环后，所有图像对被比较总数巧口 1。
[0156] 本发明具有W下有益效果：
[0157] (1) -般认为两图像质量接近的图像对的正确比较结果能够提供更多的信息，但 是，当两个图像质量过于接近时，观测者可能没有能力区分两图像的相对质量，让观测者比 较图像质量过于接近的图像对也难W提供有效信息。本发明实现了一种基于成对比较的图 像主观质量评价方法，采取主动采样策略来权衡要选择的图像对的两图像质量差，选取最 具比较价值的图像对进行主观比较。也就是说，通过用客观质量分数初始化图像的成对比 较结果，W及选取观测者能够给出正确相对质量又所含信息量较大的图像对，在不影响主 观评价测试最终结果准确度的基础上，减小了主观测试规模，解决了基于成对比较的图像 主观质量评价方法测试规模过大，测试成本高的问题。
[0158] (2)本发明利用图像客观质量评价方法，通过选择观测者有能力进行比较并包含 较多信息量的图像对，W供观测者比较，减少了无效的比较，有效提高了图像质量评价的准