[发明专利]用于图像质量评价的图像稀疏多维度特征提取方法

说明书

技术领域

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

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究重点和难点所在。

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。

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。

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究，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。

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

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。

本发明采取的技术方案是：

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。

本发明解决其技术问题所采用的技术方案如下：

步骤(1).输入图像I，并按一定的块宽度N_patch将图像I分为互不重叠的块作为参考块空间P_Ref＝{P_i∈I:i∈￥⁺,i≤m}，其中，P为参考图像块的总称，i为图像块的索引，￥⁺为正整数，m为假定的参考块个数。

步骤(2).根据步骤(1)输入的图像I，并按一定的步长N_step，按同样的块宽度N_patch将图像I分为互相重叠的块作为参考块搜索空间P_search＝{P_j'∈I:j∈￥⁺,j≤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。