[发明专利]一种通用型无参考图像质量评价方法

说明书

本发明公开了一种通用型无参考图像质量评价方法，该方法通过对选定的一组高质量自然图像分块，对分块图像提取GLBP特征向量，将方法得出的特征向量矩阵按阈值分组，通过均值和协方差矩阵的计算，建立起标准的MVG模型；再用同样的方法对待测图像建立待测MVG模型。计算不同阈值参数下两个模型之间的距离，并且将多组的结果融合，最终得到待测图像的客观预测质量分数；本发明脱离了机器学习的步骤，达到了完全客观的全盲评价，并采用了不同阈值下，特征融合的方法，降低了GLBP内部特征之间的冗余和相关性。明显的提高了图像质量客观预测的精度。

技术领域

本发明属于图像处理技术领域，特别涉及一种通用型无参考的图像质量评价方法，可用于各类自然图像及医学图像处理领域，如：图像压缩、去噪、增强、检测、去雾及医学图像质量评价等。

技术背景

随着移动设备和高速网络的发展，人们获取数字图像和视频的方式越来越多，作为信息的主要载体，在大量应用场合中，高质量图像和视频的需求越来越高。每时每刻，大量的图像或视频被获取、压缩和传输。但是，图像在这些处理过程中不可避免的会产生失真，如：噪声、模糊、信号衰落、有损压缩等，都会让图像的质量有明显的下落。一幅高质量的图像产生失真后，会降低人眼感知的舒适度，甚至会影响人们对图像内容的正确理解。因此，为了衡量成像设备的性能、指导图像压缩、去噪，以及在某些图像处理之前对数据源进行筛选等，我们希望计算机能代替人自动评价一幅图像的质量好坏。因此，设计一种和人眼视觉感知特性一致的图像质量评价方法显得至关重要。

在过去的几十年里，图像质量评价取得了极大的进展，大量的评价方法被提出。一般来说，根据评价时所需参考图像的信息量，现有方法可分为三类：全参考图像质量评价方法、部分参考图像质量评价方法和无参考图像质量评价方法。全参考图像质量评价方法需要参考图像的全部信息，信息的完备使得其只需较低的计算量即可取得很好的性能，比如全参考方法中经典的峰值信噪比(PSNR)方法。部分参考图像质量评价方法则需要参考图像的部分信息，所需的这部分信息通常是从参考图像中提取的特征。然而在实际情况中，大多数时候我们是不知道参考图像的，换一个角度说，如果已经拥有参考图像，对失真图像的质量评价就像在知道答案的情况下做题。因此全参考和部分参考图像质量评价方法的应用在实际中受到了限制。无参考图像质量评价方法的应用更加广泛，不需要参考图像的任何信息，所以成为质量评价领域的研究热点。