[发明专利]一种基于先验感知质量特征图的无参考图像质量客观评价方法

说明书

本发明公开了一种基于先验感知质量特征图的无参考图像质量客观评价方法，本发明通过待评价图像先由全卷积网络生成感知质量特征图，再由深度网络对感知质量特征图进行池化得到主观分数的方法，实现图像的无参考质量评价。由全参考图像质量评价方法生成的感知质量特征图做为标签训练基于U‑net的相似质量图生成全卷积网络，由主观评价分数作为标签训练感知质量特征图质量分数池化网络，失真图通过训练好的质量特征图生成全卷积网络和质量分数池化网络生成质量特征图和质量评价分数。本发明在得到失真图像质量分数的同时，还可以得到一张反映失真区域及程度的感知质量特征图，能更好的反应失真图像的失真程度和失真信息。

技术领域

本发涉及一种基于先验感知质量特征图的无参考图像质量客观评价方法，属于数字图像处理技术领域。

背景技术

图像作为视觉信息的来源,蕴含了大量的有价值信息。图像质量的好坏直接影响到人们的主观感受和信息量获取,图像质量评价(Image quality assessment,IQA)的研究也在近20年受到广泛的重视。

图像质量评价可以分为主观评价方法和客观评价方法。主观评价由观察者对图像质量进行主观评分,但主观评价工作量大、耗时长,不方便；客观评价方法是由计算机根据一定算法计算得到图像的质量指标,根据评价时是否需要参考图像又可以分为全参考(Full reference,FR)、半参考(部分参考)(Reduced reference,RR)和无参考(Noreference,NR)等三类评价方法:

(1)全参考图像质量评价方法。FR算法是指在给定理想图像作为参考图像的标准下，比较待评价图像与参考图像之间的差异，分析待评价图像的失真程度，从而得到待评价图像的质量评估。常见的FR方法的有：基于图像像素统计基础的图像质量评价(主要有峰值信噪比和均方误差)、基于信息论基础的图像质量评价(主要有信息保真度准则和视觉信息保真度)、基于结构信息基础的图像质量评价(主要为结构相似度)。FR算法是目前为止在客观图像评价中最可靠的方法。

(2)半参考图像质量评价方法。RR算法是以提取参考图像的部分特征信息作为参考，对待评测图像进行比较分析，从而得到图像的质量评估。常见的RR算法主要为：基于原始图像特征方法、基于数字水印方法和基于Wavelet域统计模型的方法。

(3)无参考图像质量评价方法。NR算法是指没有理想图像下，对待评测图像进行质量评估的方法。常用的NR算法主要为：基于块压缩的方法、基于深度学习的方法(CNN、BIECON等)。

针对图像在获取、处理、传输和记录的过程中，由于成像系统、处理方法、传输介质和记录设备等不完善，加之物体运动、噪声干扰等原因所造成的图像失真和图像降质的问题，往往要对失真图像质量进行定量的评价，由失真图像直接得到主观评价分数而不使用失真图像的参考图像，称为无参考图像质量客观评价。

发明内容

针对现有图像质量评价中无参考图像质量评价性能差的问题，本发明提出了一种无参考质量客观评价方法，利用全参考图像质量客观评价方法生成的先验感知质量特征图作为训练标签训练深度全卷积网络，使失真图像通过全卷积网络可以产生一个感知质量特征图，并训练分数池化网络，由得到的感知质量特征图得到最后的图像主观质量分数。

本发明采用的技术方案为一种基于先验感知质量特征图的无参考图像质量客观评价方法，包括以下步骤：

步骤1，生成先验感知质量特征图像库。

选取失真图像数据库，由每一张失真图像和其参考图像运用全参考图像质量评价方法FSIM生成失真梯度信息图FSIMg，由所有失真图像的FSIMg作为先验感知质量特征图像库。

步骤2，训练感知质量特征图生成网络。