[发明专利]一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法

说明书

一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。本发明公开了一种模拟视觉主观感知的压缩感知重建算法质量评价方法，包括：首先借助神经网络学习人眼视觉多通道对不同失真类型、不同失真程度图像在不同图像质量客观评价算法上的表现特性，将不同客观算法的视觉多通道评价结果转换为更符合人眼视觉特性的主观测试分值，并将神经网络的这种学习转换能力用于评价不同压缩感知重建算法的质量；其次，设计重建图像质量指标和重建图像稳定性指标来评价压缩感知重建算法的质量性能；最后，针对图像的不同观测率、不同失真类型、不同失真程度和不同客观评价算法等具体应用场景，设计了响应的主观感知评价算法及其融合算法。本发明针对具体应用场景，对各种压缩感知重建算法质量的评价结果更合理全面。

技术领域

本发明涉及图像处理技术领域，具体涉及一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。

背景技术

当今，随着物联网+信息技术的飞速发展和多媒体终端设备的日益普及，数字图像已经成为了应用极为广泛的一种信息源，渗透到各个应用领域以及人们的日常生活。海量的图像数据一方面使得人们获得了直观而丰富的信息资源，但另一方面也给人们带来了极大的挑战，这是由于图像信号的采集、传输、储存和处理等每个环节都需要大量资源设备和成本的投入。近十多年来，国际上出现的压缩感知理论(Compressed Sensing，CS)为缓解这些压力提供了解决方法，图像信号由于具有非常潜在的稀疏特性，因而，压缩感知理论在图像处理领域中的研究引起了人们极大的兴趣。目前，尤其是压缩感知理论在图像的压缩测量和恢复重建中的研究吸引了学术界的极大重视，并且已经获得了一些压缩感知图像重建算法，例如，正交匹配追踪(Orthogonal Matching Pursuit，OMP)，迭代加权算法(Iteratively Reweighted Algorithms，IRLS)，迭代硬阈值(Iterative HardThresholding，IHT)，压缩采用匹配追踪(compressivesampling matching pursuit，CoSaMP)，子空间追踪(Subspace Pursuit，SP)等。

在评价上述压缩感知重建算法重建图像质量时，人们普遍都采用了峰值信噪比(Peak Signal to Noise Ratio，PSNR)这一算法，并且大多都是针对几帧经典的无失真参考图像，这种评价结论显然缺乏足够的信服力，这是因为：1)实验的图像样本过少，难以真正揭示各种压缩感知重建算法在重构图像质量性能上的差异性；2)PSNR算法对于图像质量的评价结果和人眼主观感知有较大的差距；3)在实际应用中，图像易受噪声污染，因而总是存在各种不同类型失真和各种不同程度的失真，针对这些实际情况，需要掌握各种压缩感知重建算法重建图像时的质量性能。

较多的应用场合，人眼是图像的接受终端，因而，选择更符合人眼主观感受特性的图像质量客观评价方法具有更重要的研究意义和应用价值。当前，在图像质量客观评价研究领域中，出现了一些成熟的算法，这些算法的评价结果和人眼主观感知相比，对于不同的失真类型图像和不同的失真程度图像，尽管各有优缺点，但都较经典的PSNR算法有了长足的进步，从而揭示了人眼主观评价图像质量的一些规律。将图像质量客观评价领域中的研究成果用于压缩感知研究领域中图像重建算法质量的评价，结合人眼主观视觉特性发挥各种图像质量客观评价算法的优势，选择在实际应用中易受噪声污染的各类失真图像作为测试样本，扩大实验样本的统计数量，重新设计合理的评级指标及指标之间的融合关系，对于更合理的评价现有压缩感知重建图像算法的优劣性，更进一步，对于这些算法的改进，以及在实际应用中筛选适合的重建算法，都具有重要的意义。

发明内容

针对现有评价压缩感知重建算法质量的不足，本发明的目的是提供一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。该方法模拟视觉主观感知特性来评价压缩感知重建算法质量的好坏，并且针对图像的不同失真类型、不同失真程度、不同客观评价算法和不同观测率等具体应用场景，对各种压缩感知重建算法质量的评价结果更合理全面，符合人眼视觉的主观感知，为现有压缩感知重建算法性能的评价、改进和应用提供合理的判断。