[发明专利]联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法

权利要求书

1.联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法，其特征在于，包括以下步骤：

1)梯度模值与LOG信号的提取及联合归一化对测试图像进行处理；其中，I表示测试图像；

2)梯度模值与LOG信号的统计特征表达；

3)盲图像质量评价模型的训练。

2.根据权利要求1所述的联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法，其特征在于，所述步骤1)中，对测试图像进行处理的方法如下：

1-1)梯度模值计算：

采用高斯梯度算子计算图像梯度，高斯梯度算子如式(1)所示：

hd(x,y|σ1)=∂∂dg(x,y|σ1)=-12πσ12dσ12exp(-x2+y22σ12),d∈{x,y}---(1)]]>

g(x,y|σ1)=12πσ12exp(-x2+y22σ12)---(2)]]>

其中h_d,d_∈{x,y}为高斯梯度滤波模板，分别计算沿x方向和y方向的梯度，g(x,y|σ₁)为标准差为σ₁的高斯函数；测试图像I的梯度模值计算如下：

GI=[I⊗hx]2+[I⊗hy]2---(3)]]>

其中是卷积算子；

1-2)LOG信号计算：

采用的LOG滤波算子式(4)所示：

hLOG(x,y,σ2)=12πσ22x2+y2-2σ22σ24exp(-x2+y22σ22)---(4)]]>

其中x,y空间位置，σ₂表示LOG滤波算子的尺度参数；对于测试图像I来说，LOG滤波结果L_I可以表示为：

LI=I⊗hLOG---(5)]]>

1-3)联合自适应归一化：

自适应归一化因子的计算采用梯度模值和LOG信号能量之和的加权平均值的平方根，计算如下：

NI(i,j)=ΣΣ(l,k)∈Ωi,jω(l,k)FI2(l,k)---(6)]]>

FI(i,j)=GI2(i,j)+LI2(i,j)---(7)]]>

F表示对应位置处这两个信号的模值，N_I表示由邻域内的两个信号的能量加权平均得到的归一化因子，i和j表示当前点的位置，l和k表示当前点的邻域中点的相对位置，ω为加权平均时使用的模板，一般采用高斯窗口进行，其尺度因子记做σ₃；归一化后的梯度模值和LOG信号可以分别通过式(8)和(9)得到：

G‾I=GI/(NI+ϵ)---(8)]]>

L‾I=LI/(NI+ϵ)---(9)]]>

其中，ε是防止分母为零的正常数。