[发明专利]一种基于支持向量机的图像质量评价方法

权利要求书

1.一种基于支持向量机的图像质量评价方法，其特征在于，该方法包含如下步骤：

步骤一，建立样本集；

首先，对图像样本进行去噪处理后，提取图像的对比度Contrast、熵Entropy、纹理Texture和模糊度Blur四个特征值，构成特征值矢量(p1，p2，p3，p4)，并对各坐标进行归一化以便后期处理；

然后，将各类特征值矢量(p1，p2，p3，p4)作为样本的四维输入，对图像样本进行主观的专家质量评价，评价级别y作为输出，构成样本集；

最后，从各类评价级别y所对应的样本集中均抽出3/4作为训练集，其余1/4作为测试集；

步骤二，确定支持向量机的数目；

根据系统需要的分类级别N确定支持向量机的个数，N≥2；其中，系统的分类级别N即为图像质量的评价级别个数；

其中，所述的根据需要系统的分类级别确定支持向量机的个数是指：支持向量机是两类分类器，应用于两类以上分类时，系统要求的分类级别有N≥2种，为将N类中的第i∈[1，N]类与其他类别分开，采用1-a-1分类方法构造两类及两类以上支持向量机分类器；

所述的1-a-1分类方法即1-aginst-1分类方法是指在N类训练样本中构造所有情况的两类分类器，每类仅仅在N类中的2类训练样本上训练，结果共构造P＝N(N-1)/2个分类器，用投票法即最大占优法组合这些两类分类器，得票最多的类为新点所属的类；如果两类具有同样的票数，选择索引值较小的类；其中P是分类器的数量；

步骤三，支持向量机训练和优化部分；

首先，利用训练集对每个支持向量机进行分别训练，初步确定最优分类面的决策函数的相关参数，其中y_i为支持向量机的结果，x_i为支持向量，a_i为支持向量所对应的拉格朗日乘子，b为偏移因子，x为全体样本，K(x_i，x)＝exp(-γ||x_i-x||²)为最优的径向基核函数；训练中，输入是图像样本的特征值矢量(p1，p2，p3，p4)，输出是图像质量的评价级别，即利用级别数字来代替质量的评价结果；其中采用网格法确定最优的径向基核函数K(x_i，x)＝exp(-γ||x_i-x||²)的参数γ和惩罚因子C，以期得到最优的分类效果；

然后，通过训练集的学习，寻找到支持向量集，初步确定拉格朗日乘子a_i和偏移因子b；

最后，利用测试集对得到的支持向量机模型相关参数进行调整优化，提高准确率；最终确定支持向量机模型最优分类面的决策函数的相关参数；

步骤四，支持向量机应用部分；

应用完成训练的支持向量机模型对图像样本进行评级；

采用1-a-1分类方法，对于每张检测图像，代入每个支持向量机模型的决策函数中，最终通过投票法从这些支持向量机模型的结果中决定出图像的分类类别，从而确定图像质量的评价级别；

其中，所述的完成训练的支持向量机模型，对输入的任一图像都输出对该图像质量的评价级别。

2.根据权利要求1所述的一种基于支持向量机的图像质量评价方法，其特征在于，步骤一中所述的对图像样本进行主观的专家质量评价是指，参加评分的观察者至少要有20名，测试条件与使用条件相匹配或近似；观察者根据自己的经验，对被评价图像做出质量判断，或者同时提供一组标准图像作为参考，帮助观察者对图像质量做出合适的评价；其中所述分类级别N＝4，将评价优良中差转换为相应的评价级别y，y∈{1，2，3，4}。