用于图像质量评价的图像稀疏多维度特征提取方法
【技术领域】
[0001] 本发明属于图像处理技术领域，尤其涉及一种用于图像质量评价的图像稀疏多维 度特征提取方法。
【背景技术】
[0002] 图像质量评价，是指对图像在压缩和信道传输中引入的失真或噪声进行分析，量 化成分数，从而反映图像质量的方法。在图像处理智能化系统中，图像质量评价通过机器模 仿人类对图像质量的认知，成为了优化系统参数的闭环中的关键反馈。另外，图像质量评价 也是评测各种图像处理算法优劣的重要指标。如何客观地反映人类的主观认知，是图像质 量评价的研宄重点和难点所在。
[0003] 传统的主观图像质量评价凭借实验人员的主观感知来评价图像质量。实验中通过 大量实验人员的数据，进行较为复杂的心理学模型建模和分析，得出较为公正的图像质量 分数。但是，主观实验过程中的观测距离、实验环境等都必须严格一致，而且实验费时费力， 难以操作。相对于主观图像质量评价，基于图像特征提取的客观图像质量评价，具有操作简 单，成本低，可重复等优点，正在逐渐引起越来越多的关注。
[0004] 图像质量的损失，主要体现在图像压缩算法在压缩过程中追求压缩比例而丢失的 信息和传输过程中信道衰落或干扰而引入的噪声或失真。譬如在JPEG压缩过程中，由于在 离散余弦变换后，对频谱高频即图像细节进行压缩而引入的块效应；又如在无线传输中，由 于接收端周围存在散射、反射和折射体，引起信号多径传输，到达的信号之间相互叠加而引 起的快衰落失真。由于这些噪声和失真都具有较为显著的数学特征，所以图像质量评价可 以通过建立各种不同的数学模型，实现对图像失真的数学表达和测定，如把图像作为信号， 失真作为信号差错来衡量的差错模型；利用人眼的生物学和心理学的特性，提取图像空域 纹理特征和频谱特征的人眼视觉特性模型；利用自然图像统计学，分析失真对图像统计学 参数的影响的自然图像统计模型。
[0005] 由于数字图像作为一种自然场景的离散数学表示，所包含的信息是抽象、高维度 且极其复杂的，所以提取反映图像质量的图像特征是图像质量评价最为重要的核心。传统 的信号模型并不能反映图像作为一种独特信号的特殊性质，与人的主观判断差距甚远。人 眼视觉特性模型依赖于人眼的生物学和心理学研宄，实现人眼建模难度极大，而各种纹理 特征和频谱特征较为单一。自然图像统计模型的特征提取，复杂度高，耗时并且分析难度 大。归根结底，如何高效地提取独立不冗余的特征是构建图像质量评价方法的关键。
[0006] 近年来，稀疏的概念逐渐从神经科学发展到计算机科学和机器学习领域。一方面， 由于在神经科学中，稀疏编码理论可以更加成功地描述哺乳动物的初级视觉的简单细胞具 有的空域局部性、方向性和带通性；另一方面，稀疏性是信息表示的最普遍属性之一，一个 具有稀疏性的信息载体是可压缩的，可压缩的信息是能够被更加高效的处理与应用的。对 于图像而言，稀疏的图像特征去除了图像表示中的冗余信息，从更深的层次代表图像，进而 反映图像特征。
【发明内容】
[0007] 本发明的目的针对现有图像质量评价过程中，由于图像特征的信息冗余以及变换 域特征对空域信息的缺失导致质量评价不高的缺陷，提出一种用于图像质量评价的图像稀 疏多维度特征提取方法。发明立足于空间域降维和变换域稀疏处理的方法，有效地提取出 代表图像质量的图像特征，并应用于图像质量评价。图像稀疏多维度特征能够更好地模 拟人类视觉系统对图像质量的感知特性，从而为构建更高性能的图像质量评价方法奠定基 础。
[0008] 本发明采取的技术方案是：
[0009] 首先，将图像分为若干参考块，针对每个参考块，利用全局搜索，分别查找和参考 块空间域和变换域相似的图像块并堆叠成高维度的组；其次，对每组堆叠的图像块提取3D 变换后的稀疏信息；最后，以稀疏信息和构造出组记录的位置信息的统计特征作为分析图 像视觉质量的基准。
[0010] 本发明解决其技术问题所采用的技术方案如下：
[0011] 步骤（1).输入图像I，并按一定的块宽度Npatdl将图像I分为互不重叠的块作为 参考块空间PKef={PieI:iGY+，i彡m}，其中，P为参考图像块的总称，i为图像块的索 弓丨，Y+为正整数，m为假定的参考块个数。
[0012] 步骤（2).根据步骤⑴输入的图像I，并按一定的步长凡_，按同样的块宽度Npateh 将图像I分为互相重叠的块作为参考块搜索空间PseaTCh={P/eI:jGY+，j彡n}，其中 P'为搜索空间图像块的总称，n为搜索空间中块的个数，j为搜索空间的块索引。
[0013] 同时记录每一个块的起始位置，记为：
[°014]Spos= {(xpJ,ypJ)} (1)
[0015] 其中，xpjpyw.分别对应L块的起始位置的横纵坐标。
[0016] 步骤（3).在搜索空间PseaTCh中，分别找出与参考块的空间域距离和变换域距离小 于一定阈值的图像块，并分别堆叠成组，记录块的起始位置形成拓扑信息，并将其从PSMTCh 和Sp()s中取出。具体如下：
[0021]
[0022] 其中，dspatial和dtans分别代表空间域距离和变换域距离，|卜| | 2代表1 2范数，即 欧氏距离，T2D( ?)代表2D的线性变换（如傅里叶变换、离散正余弦变换等），这里使用的是 离散余弦变换，得到的为离散余弦变换系数，P和q分别为方块内的横纵坐标索引， 和分别代表在空间域和变换域与参考块匕相似的集合，t ^ t_s分别代 表空间域和变换域判断相似的阈值，Kx，y)spatial}和Kx，y)trans}分别为记录下的位置集 合。
[0023] 步骤（4).分别将步骤（3)堆叠后的组进行3D变换，获得多维度稀疏的变换域信 息。具体方法为：3D变换分为针对每一个图像块的2D对角变换和组堆叠纵方向上的1D变 换。2D变换使用步骤（3)中的离散余弦变换，1D变换使用Walsh-Hadamard变换：
[0026] 其中，T1D( ?)为3D堆叠块的堆叠方向的1D变换，7"是堆叠方向的块序列，Nstack 为堆叠方向的块个数，WAL为Walsh函数，分别为矩阵中的每行或每列。对角变换是为了保 证2D变换后信息的稀疏性。由于不限定变换形式，所以记每组空域相似块变换后的变换域 谱为，每组变换域相似块变换后的变换域谱为。
[0027] 步骤（5).将步骤（4)得到的变换域谱^^和分别做直方图统计，获取统计结果 的一阶矩、二阶矩和三阶矩作为变换域特征。
[0029] 其中，f(x)为直方图统计结果中的概率密度函数，n分别取1、2、3使11'"代表一、 二、三阶矩（期望、方差和偏态），c为相对值，通常一阶矩计算中c为0,其余为一阶矩。
[0030] 步骤（6).利用最小二乘法的经验公式做每组块位置的线性拟合，并求出相关系 数。
[0034] (x，y)G{(x，y)spatial}或{(x，y) trans}
[0035] 其中，a和b代表线性拟合成y=ax+b直线中的系数，x和y分别代表记录位置的 横纵坐标，r代表相关系数。[和^分别为x和y的均值，n为每组块的总数。
[0036] 步骤（7).分别将空域和变换域提取出的特征构成特征向量，利用支持向量机 (SupportVectorMachine)和已有的数据库中的部分数据，进行训练，利用剩余数据进行 交叉验证，从而得到图像质量分数。
[0037] V[P1spatial,P2spatial,P3spatialJ -^spatial?1trans? 2transJ 3 trans? -^trans-l为特 征向量，下标spatial和trans分别代表空域和变换域特征。
[0038] 本发明的有益效果：
[0039] 本发明充分利用空间域对图像数据进行降维处理和3D变换获得的变换域稀疏信 息，结合降维处理时记录的块相似度的拓扑信息，构建用于图像质量评价的多维度特征向 量。该方法具有较为适当的计算复杂度，且所有的搜索和变换过程可并行，实验结果表明， 基于本发明提出的图像质量评价方法具有较好的效率和较好的性能。
【附图说明】
[0040] 图1为本发明基于稀疏多维度特征提取的原理框图。
【具体实施方式】
[0041] 下面结合附图对本发明方法作进一步说明。
[0042] 如图1所示，用于图像