[发明专利]用于图像质量评价的视觉能量信息提取方法

权利要求书

1. 用于图像质量评价的视觉能量信息提取方法，其特征在于包括以下步骤：

步骤(1).输入参考图像I_R和失真图像I_D； 

步骤(2).建立一组二维Gabor小波滤波器                                               ：

                  (1)

其中，s代表尺度大小，i为正整数，为旋转方向，f_max为最高频率，B_f为频率带宽，ΔU为信号函数f(x,y)傅里叶变换形式F(U,V)相对于U轴的有效宽度，ω₀=arctan(U/V)表示其角度；

步骤(3).利用步骤(2)所建立的二维Gabor小波滤波器对参考图像I_R(x,y)和失真图像I_D(x,y)进行卷积计算，分别得到参考图像I_R和失真图像I_D在二维Gabor小波域各个尺度和各个方向上的特征信息；记Qⁱ_θ(x,y: R)和Qⁱ_θ(x,y: D)分别为参考图像I_R和失真图像I_D的在i尺度和方向上的特征信息：

     (2)

     (3)

其中，Re_ Qⁱ_θ(x,y)和Im_Qⁱ_θ(x,y)分别表示特征信息的实部与虚部；

步骤(4).构建局部增益分裂归一化的模型来模仿人类视觉系统的前处理机制；采用分裂归一化变换(Divisive Normalization Transform, DNT)对步骤(3)所提取的图像特征信息Qⁱ_θ(x,y: R)和Qⁱ_θ(x,y: D)进行非线性变化，以降低其中的一阶或高阶相关度；

DNT的简化数学模型如下：

                                                      (4)

其中，w表示图像特征信息经过Gabor小波变换后的系数；?表示图像特征信息经DNT后的系数；p表示局部增益控制因子，它是由在空间、方向、尺度上都与w系数相邻的一组系数计算得到的；

本发明利用高斯尺度混合（Guassian Scale Mixture）模型来局部增益控制因子p；通过采样Gabor小波系数w在不同空间、尺度和方向上相关的小波系数w'来组成向量Y，运用贝叶斯理论，可以得到：

                             (5)

其中，z是一随机变量，z变量的概率分布为p_z(z)；

    进而，利用最大值估计，得到

            (6)

其中，为局部增益控制因子p的估计值，U是一个均值为0的正态高斯分布且满足，Σ为正态高斯分布U的协方差；协方差Σ可以由公式（7）计算得到：

                              (7)

其中，M为个每个小波子带中小波系数的个数，而且这M个小波系数总共对应了M个向量Y_i；

步骤(5).利用步骤(4)构建的局部增益分裂归一化的模型对步骤(3)提取的参考图像I_R和失真图像I_D在二维Gabor小波域的特征信息Qⁱ_θ(x,y: R)和Qⁱ_θ(x,y: D)进行后处理，处理后的视觉特征记为DNTQⁱ_θ(x,y: R)和DNTQⁱ_θ(x,y: D)，分别为DNT处理后参考图像I_R和失真图像I_D在i尺度和方向上的视觉特征信息： 

  (8)

  (9)

其中，Re_ DNTQⁱ_θ(x,y)和Im_DNTQⁱ_θ(x,y)分别表示DNT处理后特征信息的实部与虚部；

   步骤(6).基于步骤(5)所得到的DNT处理后参考图像I_R和失真图像I_D的视觉特征信息，分别构建参考图像I_R和失真图像I_D的视觉能量信息(Visual Energy Information, VEI)，作为评价图像视觉质量的基准；记VEiⁱ_θ(x,y: R)和VEiⁱ_θ(x,y: D)分别为参考图像I_R和失真图像I_D在i尺度和方向上的视觉能量信息：

                 (10)

                 (11)。