一种改进的基于psnr的dct域无参考模糊图像质量评价方法
【专利摘要】本发明针对传统PSNR图像质量评价算法的缺点，提出了改进的基于PSNR的DCT域无参考模糊图像质量评价算法。首先对预测图像进行高斯模糊处理，并对预测图像和高斯模糊处理图像进行DCT变换，得到DCT系数矩阵；然后分别提取预测图像和高斯模糊图像的DCT系数矩阵的前100列，并计算这两幅图像前100列每列之间的PSNR值，得到特征向量；最后应用支持向量机回归模型对特征向量进行训练学习，得到图像质量预测模型，进而得到图像质量的预测值。实验结果表明，此算法性能明显好于传统的全参考PSNR图像质量评价算法，与人类主观感觉相一致。
【专利说明】-种改进的基于PSNR的DCT域无参考模糊图像质量评价方 法
【技术领域】
[0001] 本发明涉及一种改进的基于PSNR的DCT域无参考模糊图像质量评价指标，属于图 像处理【技术领域】。
【背景技术】
[0002] 随着数码相机的普及，产生出了大量的数码图像，在数码相机的使用过程中，由于 焦距和手的抖动会导致图像模糊。如何从这些数码图像中自动挑选出质量合格的图像，舍 弃哪些不合格的模糊图像，就需要对图像质量进行评价。对图像进行质量评价，分为主观质 量评价和客观质量评价两大类，因为视觉信息的最终接受者是人，所以利用人的主观实验 来对图像质量进行评价是最准确可靠的，但主观评价费时费力且不能嵌入到系统中进行自 动大量评判，所以设计出可以像人类视觉系统（HumanVisionSystem,HVS)-样，自动预测 与感知质量下降的客观图像质量评价（ImageQualityAssessment,IQA)方法尤为重要。
[0003] 按照评价过程需要多少原始参考图像信息，客观图像质量评价方法又可以分为三 大类：全参考（Full-Reference,FR)图像质量评价法，部分参考
[0004] (Reduced-Reference，RR)图像质量评价法和无参考（N〇-Reference，NR)或盲参 考（Blind)图像质量评价法。全参考和部分参考图像质量评价方法需要参考图像的全部或 部分信息，而在很多应用场合没有或无法获得参考图像的全部或部分信息，因此无参考图 像质量评价方法更加实用。
[0005] 传统PSNR被定义为：
【权利要求】
1. 一种改进的基于PSNR的DCT域无参考模糊图像质量评价方法，其特征主要是通过对 图像进行高斯再模糊后进行DCT变换，再分别提取参考图像和模糊图像的前100列DCT系 数；根据构造公式计算DCTPSNR，出模糊失真图像的评价指标，预测图像质量得分，过程如 下： 步骤1 :设原图像记为Amxn，高斯模糊后的图像记为Bmxn，分别对A和B进行DCT变换， 得到DCT系数矩阵为CAmxn (i，j)和CBmxn (i，j); 步骤2 :分别提取CAmXn(i，j)和CBmXn(i，j)的前100列矩阵作为图像的特征，记为 CAmxioo (i， j)和 CBniX100 (i, j); 步骤3 :根据下述公式计算DCTPSNRave ; DCTPSNR(i) = PSR(CVA(:, i), CVB (:, i)), i = 1, 2, - 100
步骤4:在支持向量机回归（Support Vector Regression, SVR)模型中，首先将输入样 本经过非线性映射函数㈧.0映射到一个高维特征空间中,然后在此特征空间中建立一个线 性模型估计回归函数，解为：
采用径向基核函数为：k(Xi, X) = exp(-X I Ix-Xi I I2) 步骤5 :选择5折交叉验证方法进行实验，获得图像质量预测分值。
【文档编号】G06T7/00GK104392446SQ201410669644
【公开日】2015年3月4日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】殷莹 申请人:江南大学