技术领域本发明属于图像处理技术领域，主要涉及拍摄图像质量评价方法，具体是一种基于视觉感知的拍摄图像质量评价方法，可用于拍摄图像进入自动压缩、存储、和增强等应用过程。
背景技术：
随着信息化时代的到来，多媒体信息分析、大数据处理技术、云计算以及物联网平台作为人们获取信息的主要途径正在飞速发展。而图像作为传递信息的主要载体在信息交互的过程中扮演着重要角色，它使得人们可以直观、生动且形象地获取信息和认知事物。然而，由于各种图像采集设备的不完备性，存储和处理环境的复杂性以及传输和显示方式的多样性而导致终端显示的图像降质。图像降质削弱了图像的信息表达能力进而影响发送端与接收端的通信质量。而人们在数字图像的各种应用中总是期望获取高质量的图像以满足人们认识客观世界，解决实际问题的需求。在大多数应用中，图像质量的优劣是衡量图像处理传输算法及系统性能的一个关键性指标。因此，设计出高性能的图像质量评价方法具有广泛的实际用途。传统的图像质量评价方法针对的失真图像是根据无信息损失的参考图像经人工后期处理产生的特定种类的失真。每一副图像只包含一种失真类型，这种失真图像与人们日常生活中遇到的拍摄图像失真有较大差异。常见的拍摄图像受光照、色调和聚焦等因素的影响，使得拍摄图像的失真是由多种失真源共同作用产生的混合失真。并且图像的失真是在相机拍摄的过程中直接产生的，这种失真更加符合实际遇到的失真情形。因此设计算法对拍摄图像的信息损失程度进行评估更符合实际需要。拍摄图像质量评价方法可以分为两大类，第一类是针对无失真的拍摄图像进行美学的质量评价，这类方法只能将无失真的拍摄图像在美学层次上进行分析并不能得到拍摄图像照片的确切质量。比如Bhattacharya等人通过计算拍摄图像里单一前景的位置与视觉注意中心的偏差来评价一幅拍摄图像美的程度。Zhang等人通过对拍摄图像里局部和全局结构特征进行编码，然后利用概率模型预测出拍摄图像的美学分数。这类方法只能对无失真拍摄图像进行构图美学的评价，而实际中遇到的拍摄图像往往存在失真，因此美学评价在实际中并不实用。第二类方法是对拍摄图像进行分类，比如将专业拍摄的图像与随意拍摄的快照进行质量的区分，将室内拍摄的图像与户外拍摄的图像进行区分以及将建筑物图像和自然风景图像进行区分等。比如Ke等人根据拍摄图像的边缘分布特性，色调的明亮程度以及主题的模糊程度来区分专业拍摄图像和快拍图像。Luo等人根据预先定义好的底层特征和语义特征来区分图是在室内还是户外拍摄的。但是这类方法仅能对拍摄图像进行简单分类，不能对拍摄图像的质量进行准确的评判。照片产生过程中会因为拍摄人员异常拍摄如抖动、相机状态异常等导致拍摄的照片质量不能满足人们的需要，在大多数实际应用中拍摄照片的质量是整个照片采集系统中的一个关键指标，因此在拍摄照片的过程中，需要及时掌控拍摄的照片质量，并通过必要的方式调整相机或者拍摄人员的拍摄状态。采用人工的方法对拍摄图像的质量进行评价不仅需要消耗大量的人力和时间，而且也无法对拍摄图像的质量进行实时评价。而从技术手段直接的自动的获得拍摄图像质量的评价方法可以代替人实现对拍摄图像进行自动化的质量评价，节省大量的人力和时间，而且不存在因为不同人员的个性差异而导致对相同照片质量有不同评价意见的问题。随着科学技术的高速发展，图片在人们日常生活中的各个领域越来越普遍，如何高质量地实现对图片的自动化处理成为了一个迫切的需要，本发明提供了一种可以对拍摄照片的质量进行准确的自动化评价方法。
技术实现要素：
本发明的目的在于针对上述已有技术的不足，从拍摄图像的失真本质出发，结合人类视觉特性，提出一种基于视觉感知的拍摄图像质量评价方法，以解决传统图像质量评价中只针对人工处理的失真类型而无法应用于实际拍摄图像的缺陷，更简单的实现对拍摄图像质量有效、准确的评测。本发明是一种基于视觉感知的拍摄图像质量评价方法，包括对标准图像和测试图像的特征提取，其特征在于，图像的质量评价过程包括：(1)将一幅标准图像由RGB颜色空间转换到HSI颜色空间，分别求得标准图像的色调分量、饱和度分量和亮度分量，用色调分量来描述主彩色分量，能够根据视觉感知区分具有同样亮度的彩色和非彩色的不同；用饱和度分量来测量彩色的纯度，即一种纯色被白光稀释的程度，根据视觉感知，当饱和度值较小时，所描述的彩色褪色较严重；用亮度分量描述彩色的明亮程度。(2)求标准图像的梯度系数：计算标准图像的色调分量、饱和度分量、亮度分量和灰度图像的梯度系数，并对各梯度系数分别进行归一化。(3)用估计参数表征图像质量特征：利用广义高斯模型对归一化后的梯度系数的边缘分布进行拟合，然后分别计算广义高斯模型的估计参数(λ,s,γ,sl,sr,μ)，将广义高斯模型的估计参数(λ,s,γ,sl,sr,μ)作为表征一幅标准图像质量的特征，记为该参数也可称为图像特征的估计参数，用估计参数表征图像质量特征；因为对标准图像的色调分量、饱和度分量、亮度分量和灰度图像进行了参数估计，所以每一个分量或灰度图像均有所对应的估计参数。(4)模型训练：选取L张标准图像组成训练集，计算训练集中所有标准图像的质量特征i∈{1,2,…L