[发明专利]一种全局和局部特征相结合的跨尺度图像质量评价方法

说明书

一种全局结构与局部信息相结合的跨尺度图像质量评价方法涉及图像处理技术领域。本发明基于人眼感知是由全局到局部的注意力机制，提供一种基于全局结构特征和局部信息特征相结合的算法对不同尺度的图像进行质量评价。本发明首先在不同尺度图像间建立映射关系，基于映射关系分别从全局和局部两方面进行研究，在全局算法中引入多个影响因子，分析图像在尺寸变换过程中引起的视觉差异；在局部算法中，基于像素信息分析图像的细节损失，最后融合全局和局部特征得到图像的质量评判标准。该客观质量评价方法与主观评价方法得到的结果比较一致，而且无须消耗大量的人力、物力，具有一定的应用价值及参考意义。

技术领域

本发明涉及图像处理技术领域中不同尺度图像的质量评价技术，具体涉及一种全局和局部特征相结合的跨尺度图像质量评价方法的研究及实现。

背景技术

随着互联网和显示设备的飞速发展，移动终端的个性化发展，对图像提出了不同尺寸的需求。针对这一问题，大量不同尺度、不同分辨率的图像处理方法应运而生，这对图像质量提出了新的挑战，然而大多数图像处理方法都是基于同尺度的图像，因此引发了对不同尺度图像的质量评价方法的研究。

图像质量评价是计算机视觉领域里一项重要的研究课题。图像质量评价从方法上可分为主观评价和客观评价两种。主观评价方法是采用用户调研的方式，通过实验人员的主观感知来评价对象的质量。评价过程通常采用连续双激励质量度量法，即向实验人员同时展示参考图像与待评价图像，由观测者根据主观感受同时对两幅图像给出评分。主观评价方法来自于人的主观感受，误差最小。但是其会受到观测者专业背景、情绪、动机等主观因素的影响，而且难以结合到其他算法中使用。最明显的缺点是，该方法耗时长，费用高，难以操作。第二种评价方法即为客观评价，这种方法易于实现，成本低，相比主观方法耗时短，因此成为图像质量评价的研究重点。该类方法又可细分为三个子类：全参考评价方法、半参考评价方法和无参考评价方法。所谓的全参考质量评价方法指的是需要完整的原始图像来评价图像的质量，这类算法研究时间最长，发展最为成熟。而半参考标准则只需从参考图像中提取出部分统计量来进行计算，无须完整的像素级别信息。无参考评价则更是无须原始图像。客观质量评价方法可以自动对不同图像质量进行评价，以此为标准使得不同的图像处理方法能为用户呈现最佳的视觉效果。而且不同的图像处理方法，也需要一个稳定、客观的评价准则，对其性能进行分析对比。

传统的图像质量评价方法通常只进行简单的统计学计算来评价视觉质量，这些方法包括均方误差(MSE)，信噪比峰值(PSNR)等。这些算法源于通信理论，比较简单，但是无法精准地模拟人类的视觉感知。现有的研究表明，人类的视觉感知，远比传统的图像质量评价方法中用到的这些简单统计学方法更为复杂。因此人们将更多的注意力集中在了基于感知的视觉质量评价标准，并以此来模拟人类视觉系统以得到更好的结果。综上所述,通过分析不同的图像质量评价方法，本发明研究了一种综合全局和局部特征的跨尺度图像质量评价方法，其中多个影响因子的引入，以及全局特征和局部特征相结合是本发明的重点和难点。

发明内容

本发明基于人类视觉系统的注意力机制，提出了一种基于全局结构和局部信息相结合的算法对不同尺度的图像进行质量评价。

本发明的大体思路为首先对原始图像和待评价图像提取特征点并匹配，然后利用匹配的特征点间的映射关系进行三角剖分。在全局算法中，将三角剖分结果看作是图像的拓扑几何结构，根据图像的几何结构，引入多个影响因子，定量分析图像在尺寸变化过程中引起的视觉差异。在局部算法中，根据两幅图像间的映射关系，基于像素信息分析图像的细节损失，最后融合全局和局部的特征得到图像的质量评判标准。

为了实现上述问题，本发明提供了一种有效的基于全局结构和局部信息的算法对待评价图像进行质量评价的方法。该方法具体包括：

1)输入两幅图像，一幅原始图像和一幅待评价图像，提取两幅图

SIFT特征点，并进行特征点的匹配和筛选。