[发明专利]基于无监督特征学习的无参考屏幕图像质量评价方法

说明书

本发明公开了一种基于无监督特征学习的无参考屏幕图像质量评价方法，其先获取若干幅无失真屏幕图像的归一化屏幕图像；然后根据该归一化屏幕图像，并采用ZCA操作和无监督聚类算法，获得字典码书；接着获取待评价的失真屏幕图像的归一化屏幕图像；而后采用Gaussian kernel similarity weight方法和K‑Nearest Neighbor方法对该归一化屏幕图像进行处理，获得权值特征矩阵；再根据字典码书和权值特征矩阵，并采用LLC算法，获得LLC特征向量；最后利用支持向量回归技术对LLC特征向量进行测试，预测得到待评价的失真屏幕图像的客观质量评价预测值；优点是能够充分考虑到局部信息变化对视觉质量的影响，从而能够提高客观评价结果与主观感知之间的相关性。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种基于无监督特征学习的无参考屏幕图像质量评价方法。

背景技术

图像是人类获取信息的重要途径，图像质量表示图像向人或设备提供信息的能力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程中，由于各种因素影响将不可避免的产生降质问题，这给信息的获取或图像的后期处理带来了极大困难。因此，建立有效的图像质量评价机制非常重要，如在图像去噪、图像融合等处理过程中可用于各种算法的性能比较、参数选择；在图像编码与通信领域可用于指导整个图像的传输过程并评估系统性能。

图像质量评价方法可以分为两类：主观评价方法和客观评价方法，前者是由观察者对图像质量进行评分，得到平均评价分用以衡量图像质量；后者利用数学模型计算图像质量。主观评价方法的实验结果比较可靠，但费时费力。客观评价方法又可分为三类：全参考图像质量评价方法、半参考图像质量评价方法和无参考图像质量评价方法，当前研究最多的是全参考图像质量评价方法，但是多数应用中无法获得相应的原始图像，因此，无参考图像质量评价方法的研究更具实用价值。

无参考图像质量评价方法可分为特定失真评价方法和通用评价方法两种，特定失真评价方法只能对某种特定失真类型的图像进行评价，例如JPEG、JPEG2K及Gblur失真等，无法对其它失真类型的图像及多种处理技术处理后的图像进行质量评价；通用评价方法可以同时对多种失真类型的图像进行质量评价。

现有的通用无参考图像质量评价方法主要针对一般的图像，而针对特殊图像(例如，屏幕图像)的研究相对较少，由于屏幕图像含有文字、图形和图像等内容，因此对屏幕图像采用通用无参考的评价方法更具有挑战性。

发明内容

本发明所要解决的技术问题是提供一种基于无监督特征学习的无参考屏幕图像质量评价方法，其能够充分考虑到局部信息变化对视觉质量的影响，从而能够提高客观评价结果与主观感知之间的相关性。

本发明解决上述技术问题所采用的技术方案为：一种基于无监督特征学习的无参考屏幕图像质量评价方法，其特征在于包括以下步骤：

步骤①：选取N幅无失真屏幕图像，将第i幅无失真屏幕图像记为{I_i,org(x,y)}；然后获取每幅无失真屏幕图像的归一化屏幕图像，将{I_i,org(x,y)}的归一化屏幕图像记为接着采用ZCA操作对每幅无失真屏幕图像的归一化屏幕图像进行处理，得到每幅无失真屏幕图像的归一化屏幕图像的ZCA操作结果图像；再采用无监督聚类算法对所有无失真屏幕图像的归一化屏幕图像的ZCA操作结果图像进行聚类操作，得到矩阵形式表示的字典码书，记为{C_org(x,y)}；