[发明专利]一种基于奇异值分解无参考模糊图像质量评价方法

说明书

技术领域

本发明涉及图像处理领域，具体地讲，是一种不需要参考图像进行模糊图像质量评价的方法。

背景技术

随着手机、数码相机等电子产品的普及，产生出了大量的数码图像，在拍照的过程中，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。

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(Reduced-Reference，RR)图像质量评价法和无参考(No-Reference，NR)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。

发明内容

本发明的目的在于提供一种快速模糊图像质量评价方法，能够在不需要参考图像的情况下，评价模糊图像质量的好坏。

为了实现上述目的，本发明的技术方案如下：一种基于奇异值分解无参考模糊图像质量评价方法，其关键在于按如下步骤进行：

(一)选择一幅图像为被评价图像；

(二)将该图像转化为灰度图像；

(三)对被评价图像做奇异值(SVD)分解，得到奇异值向量S₁；

任何一个灰度图像都可以看作实数矩阵A∈R^m×n，则存在正交(或酉)矩阵U∈R^m×m和V∈R^n×n使得A＝USV^T   (1)

式中S=S1000,]]>S₁＝diag(σ₁，σ₂，…，σ_r)，而数σ₁，σ₂，…，σ_r即是矩阵A的所有非零奇异值，r＝rank(A)，U的列向量为矩阵A的左奇异值向量，V的列向量为A的右奇异值向量，称(1)式是矩阵A的奇异值分解。由奇异值分解公式计算得到奇异值向量S₁。

(四)根据奇异值建立图像质量评价函数Blur；