[发明专利]一种基于人类视觉特性的无参考图像质量评价方法及系统

说明书

本发明公开了一种基于人类视觉特性的无参考图像质量评价方法及系统，所述方法根据训练图像计算其对应的特征图像，计算各特征图像的灰度共生矩阵并分别计算每个灰度共生矩阵的特征向量，建立特征向量到图像质量分数的映射关系模型，将待测图像对应的灰度共生矩阵特征向量带入所述映射关系模型中，得到待测图像的质量分数；所述系统包括模型生成模块以及质量预测模块；所述模型生成模块用于计算特征图像的灰度共生矩阵，并根据灰度共生矩阵的特征向量建立映射关系模型；所述质量预测模块用于根据待测图像的灰度共生矩阵特征向量以及所述映射关系模型得到待测图像的质量分数；所述方法和系统达到了与人眼视觉系统很高的一致性。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种基于人类视觉特性的无参考图像质量评价方法及系统。

背景技术

随着科学进步的发展，图像处理技术和理论已经成为计算机应用的一个重要领域，广泛应用于众多的科学和工程中，图像质量评价在图像处理领域十分重要，它是优化图像处理系统的重要性能指标；图像质量评价可分为主观评价和客观评价，主观评价依靠人为的视觉认知感受评价图像的质量，主观评价的评价结果更加符合人眼的认知感受，但因为人的不确定因素很大，所以主观的图像质量评价可靠性较差，而客观图像处理评价根据可利用的参考图像信息的多少，图可以分为：全参考质量评价方法、部分参考质量评价方法以及无参考质量评价方法，所述参考是指将原始图像的完整信息作为评价的参考；而大多数情况下，往往是无法获得原始图像的信息的，因而客观图像处理评价的实际运用中，无参考质量评价方法有着很高的应用价值；根据视觉认知感受的主观评价对图像的轮廓、纹理的特征非常敏感，在无参考质量评价方法中得到的评价结果往往与主观评价得到的评价结果不同程度上存在差异，目前无参考质量评价方法与人眼视觉系统的一致性仍然较差。

发明内容

为了解决背景技术存在的目前无参考质量评价方法与人眼视觉系统的一致性仍然较差问题，本发明提供了一种基于人类视觉特性的无参考图像质量评价方法及系统，所述方法及系统利用了不同间隔距离的灰度共生矩阵模拟了人眼观看距离变化的影响，使用梯度图像和小波变换解决了对图像轮廓和纹理特征的敏感性捕捉；所述一种基于人类视觉特性的无参考图像质量评价方法包括：

步骤1，根据训练图像计算其对应的特征图像，所述特征图像包括训练图像以及其对应的梯度图像、水平高频分量图像、垂直高频分量图像和斜向高频分量图像；

步骤2，计算各特征图像的灰度共生矩阵；

步骤3，分别计算每个灰度共生矩阵的特征向量；

步骤4，建立特征向量到图像质量分数的映射关系模型；

步骤5，将待测图像对应的灰度共生矩阵特征向量带入所述映射关系模型中，得到待测图像的质量分数；

进一步的，所述根据失真图像计算其对应的梯度图像的计算方法是

其中，G为梯度图像，G_x为水平方向的梯度分量，G_y为垂直方向的梯度分量；所述G_x通过梯度模板与失真图像卷积得到，所述G_y通过梯度模板的转置与失真图像卷积得到；所述梯度模板为[-1 0 1]；

进一步的，对所述训练图像进行1尺度的小波变换，得到水平高频分量图像、垂直高频分量图像以及斜向高频分量图像；

进一步的，所述特征图像的图像灰度级量化为L级，量化后的灰度级i和灰度级j夹角为θ，两个像素点间间隔距离为d，则所述灰度共生矩阵表示为[P(i，j，d，θ)]_L*L；

其中，1≤i≤L，1≤j≤L；i、j与L均为自然数；0°≤θ≤360°，θ的取值数量为M个；d的取值数量为N个，d为正数；则所述灰度共生矩阵的数量为M*N倍的特征图像数量个数；