[发明专利]一种通用型无参考图像质量评价方法有效
申请号: | 201710244478.2 | 申请日: | 2017-04-14 |
公开(公告)号: | CN107146220B | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 张敏;黎亦凡;陈玉 | 申请(专利权)人: | 西北大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 西安恒泰知识产权代理事务所 61216 | 代理人: | 王芳 |
地址: | 710069 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 无参考图像 质量评价 通用型 矩阵 特征向量矩阵 待测图像 分块图像 机器学习 结果融合 内部特征 特征融合 特征向量 图像建立 质量分数 自然图像 阈值参数 冗余 预测 方差 分块 图像 分组 脱离 | ||
1.一种通用型无参考图像质量评价方法,其特征在于,包括以下步骤:
步骤1,选取N张高质量图像,将每张图像分为K1块,得到N×K1个图像块,在N×K1个图像块中选取m个质量达标的图像块;
步骤2,选择n个阈值T={T1,T2,...,Ti,...,Tn},i=1,2,…,n;
步骤21,取阈值T=Ti,采用GLBP方法,提取质量达标的m个图像块中每个图像块的GLBP特征向量,得到特征矩阵;
步骤22,计算特征矩阵的协方差和均值向量,得到标准MVG模型M1i;
步骤3,将待评价的失真图像分为K2i块失真图像块;
步骤31,取阈值T=Ti,采用GLBP方法,提取K2i块失真图像块中每个图像块的GLBP特征向量,得到特征矩阵;
步骤32,计算特征矩阵的协方差和均值向量,得到标准MVG模型M2i;
步骤4,计算模型M1i和M2i之间的距离Di;
步骤5,i=i+1,重复步骤2至步骤4,直至i=n,得到{Di|i=1,2,...,n},将{Di|i=1,2,...,n}通过融合得到待评价的失真图像的分数D;
步骤1中所述的在N×K1个图像块中选取m个质量达标的图像块,包括:
步骤11,任选一张图像作为当前图像,设该当前图像中的K1个图像块的清晰度集合为其中σmax=maxσ;
步骤111,在K1个图像块中任选一个图像块作为当前图像块,设该当前图像块的清晰度为σj,若σj>r×σmax,则该当前图像块为质量达标的图像块,5%≤r≤95%;
步骤112,重复步骤111,直至K1个图像块都被作为当前图像块,得到当前图像的质量达标图像块集合;
步骤12,重复步骤11,直至所有图像都被作为当前图像,得到m个质量达标的图像块。
2.如权利要求1所述的图像质量评价方法,其特征在于,通过公式(1)计算步骤4中模型M1i和M2i之间的距离Di:
式(1)中,μ1i和μ2i分别是模型M1i和模型M2i的均值向量,Σ1i和Σ2i分别是模型M1i和模型M2i的协方差矩阵。
3.如权利要求1所述的图像质量评价方法,其特征在于,步骤5中将{Di|i=1,2,...,n}通过融合得到D中的融合包括:相加,相乘,卷积运算。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北大学,未经西北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710244478.2/1.html,转载请声明来源钻瓜专利网。