[发明专利]一种基于稀疏表示的无参考彩色图像质量评价方法

说明书

技术领域

本发明涉及一种图像质量评价方法，尤其涉及一种基于稀疏表示的无参考彩色图像质量评价方法，属于数字图像处理技术领域。

背景技术

图像质量评价技术一直是图像处理领域的关键技术，可以用于评价图像处理方法的效果，或是依据图像质量来选择合适的图像处理方法。图像质量评价技术大多根据处理后的图像与参考图像之间的不同，来度量图像质量；但是大多图像质量评价的应用领域，难于得到标准图像作为参考，此时更需要无参考图像质量评价技术，以便根据图像质量来选择合适的图像处理方法。

近年来，随着信息处理技术的发展，提取图像特征来映射图像质量成为重要的图像质量评价手段，但是此类方法同样面对数据处理量大的困难，于是Lihuo He等人在文献“Sparse Representation for Blind Image Quality Assessment”(Proceedings of Computer Vision and Pattern Recognition(CVPR2012),pp.1146-1153,Providence,Rhode Island,16-21June,2012,USA.)中提出一种利用稀疏表示来评价图像质量的方法，该方法利用NSS(natural scene statistics)来表示图像，而字典的建立则直接利用NSS在小波域的特征及图像的DMOS(differential mean opinion score，平均主观差异分数)。该方法简单明了，得到了有效的无参考图像质量评价结果。该方法首先提取训练图库的NSS特征及DMOS值建立原子字典，然后提取待评价图像的NSS特征在原子字典上进行稀疏表示，用求解出的系数结合DMOS值得到图像质量评价分数。其优点体现在：(1)能够有效地评价不同类型的图像质量退化；(2)评价结论与主观评价具有良好的一致性；(3)对不同的图像具有良好的质量评价结果。该方法给无参考的图像质量评价方法提供了良好的发展和参考基础。然而，该方法所使用的NSS在小波域的特征并不能充分反映图像质量，因此依据该方法得到的图像质量评价结果的准确性仍有待提高。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于稀疏表示的无参考彩色图像质量评价方法，其原子字典的构建方法简单明了，所提取的特征更符合人眼视觉感受，整个算法更简单，质量评价结果更准确。

本发明具体采用以下技术方案：

一种基于稀疏表示的无参考彩色图像质量评价方法，首先构建原子字典，然后利用所构建的原子字典对待评价彩色图像进行稀疏表示，最后利用待评价彩色图像的稀疏表示系数的线性组合得到待评价彩色图像的质量得分，

原子字典的构建按照以下方法：

步骤1、将一组已知平均主观差异分数DMOS的训练样本图像从RGB彩色空间转换至HSV彩色空间，并对每一幅训练样本图像的H分量、S分量、V分量分别进行灰度化，得到每一幅训练样本图像的三个子图像：H分量子图像、S分量子图像、V分量子图像；步骤2、将每一幅子图像分割为一系列大小相等的图像块，并获取每个图像块的像素空间相关性矩阵；任一图像块的像素空间相关性矩阵按照以下方法得到：构建一个256×256的矩阵；对于该矩阵中坐标为(x,y)(x＝1,2,...,256；y＝1,2,...,256)的元素，判断该图像块中是否存在两个相邻且灰度值分别为x-1、y-1的像素点，如存在，则将该元素的值赋为1，如不存在，则赋值为0，最终得到的矩阵即为该图像块的像素空间相关性矩阵；

步骤3、从每一幅子图像中选出像素空间相关性矩阵的标准差最大的图像块作为该子图像的最大标准差图像块；以每一幅子图像的最大标准差图像块、最大标准差图像块的像素空间相关性矩阵的标准差，以及该图像块所属训练样本图像的DMOS值作为一个原子，所有原子的集合即构成原子字典；

利用所构建的原子字典对待评价彩色图像进行稀疏表示，具体按照以下方法：

步骤4、将待评价彩色图像从RGB彩色空间转换至HSV彩色空间，并对待评价彩色图像的H分量、S分量、V分量分别进行灰度化，得到待评价彩色图像的三个子图像：H分量子图像、S分量子图像、V分量子图像；

步骤5、将待评价彩色图像的每个子图像分割为一系列大小相等的图像块，并获取每个图像块的像素空间相关性矩阵；