[发明专利]一种面向图像集的置信度一致性增强质量评价方法

说明书

本发明涉及一种面向图像集的置信度一致性增强质量评价准则，包括以下步骤：将原始图像集通过图像质量增强算法得到增强后的图像集；再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价，得到每幅图像增强前后的质量分数；算出各幅图像增强前后的质量分数差值，并求出质量分数差值的平均值U与标准差S；选取置信区间，对质量分数差值进行筛选；在筛选后的有效测试数据中求出一致性增强质量评价分数有效值，并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下，为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。

技术领域

本发明涉及一种面向图像集的置信度一致性增强质量评价方法，该方法能够代替平均值准则，以在实际应用中找到有效的图像质量增强算法，属于无参考图像质量评价技术领域。

背景技术

图像是机器模式识别和人类感知的重要信息源，其质量对所获取信息的准确性和充分性起着决定性的作用，然而在图像的采集、处理、传输及显示等过程中会产生图像降质的问题。因此，为了在视频传输、安全监控、字符识别、医学等领域找到合适的图像质量增强算法，需要提出一个有效的图像质量评价标准。目前国内的一些高校和科研机构，如复旦大学、上海交通大学、南京航空航天大学、中国空间技术研究院、微软亚洲研究院等，都在对图像质量评价算法进行研究；国外对此的研究自上世纪80年代开始，如VQEG(国际电信联盟的视频质量专家小组)、LIVE(美国得克萨斯大学奥斯丁分校图像与视频工程实验室)、美国Sarnoff公司等研究机构都有长期的研究。

图像质量评价方法可分为主观评价方法和客观评价方法，前者凭借实验人员的主观感知来评价图像的质量；后者依据模型给出的量化指标，模拟人类视觉系统感知机制衡量图像质量。相对于主观质量评价，客观质量评价具有操作简单、成本低、易于解析与效率高等优点，已经成为图像质量评价的研究重点。客观图像质量评价方法根据是否具备原始参考图像，又可以分为全参考、半参考和无参考三类评价方法。全参考方法在评价失真图像时，需要提供一个无失真的原始图像，经过对两者的比对，得到一个对失真图像的评价结果。随着研究的发展，这类方法的准确性越来越好，但其缺点是需要提供无失真的参考图像，这在实际应用中往往很难得到。半参考方法也称为部分参考方法，它不需要将失真图像与原始图像相比较，而只需要将失真图像的某些特征与原始图像的相同特征进行比较。无参考方法也称为盲图像质量评价方法，则完全无需参考图像，根据失真图像的自身特征来估计图像的质量，有些方法是面向特定失真类型的，如针对模糊、噪声、块状效应的严重程度进行评价；有些方法先进行失真原因分类，再进行定量评价；而有些方法则试图同时评价不同失真类型的图像。由于在实际应用中，大多数情况下无法获得原始清晰参考图像，因此，无参考方法的应用性最广、实用价值最高。

比较经典的无参考图像质量评价方法有：盲图像质量指数(BIQI)、DCT统计信息盲图像完整性指数(BLIINDS-II)、盲/无参考图像空域质量评价(BRISQUE)、基于失真辨识的图像真实性和完整性评价(DIIVINE)、自然图像质量评价(NIQE)和水下彩色图像质量评价(UCIQE)等。

以上图像质量评价方法均是对单幅图像进行图像质量评价的有效方法，但是随着大数据时代的到来，我们获得的图像数量庞大，通常需要以图像集为单位来处理图像，因此，我们需要一个面向图像集的图像质量评价准则。而目前对于图像集的图像质量评价，通常采用单幅图像质量分数的平均值作为评价标准，以平均值最好来说明某一质量增强算法最优。但是根据大量的实验数据得出，平均值准则所得的结果随图像集的变化存在较大波动，其稳定性差、可靠性较低，那么如果将这样选出的质量增强算法运用到实际应用中，将会产生很大的误差。

发明内容

本发明的目的是提供一种面向图像集的置信度一致性增强质量评价方法，该方法可以为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。