[发明专利]联合多种边缘检测算子的无参考质量评价算法有效
申请号: | 201810432185.1 | 申请日: | 2018-05-08 |
公开(公告)号: | CN108830829B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 沈丽丽;王莹 | 申请(专利权)人: | 天津大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 程毓英 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 联合 多种 边缘 检测 算子 参考 质量 评价 算法 | ||
1.一种联合多种边缘检测算子的无参考质量评价算法,利用联合熵和链式法则定义条件熵:
H(Y|X)=H(X,Y)-H(X) (3)
其中,p(x)是随机变量X的概率密度函数,pXY(x,y)是两个随机变量X和Y的联合概率密度函数,H(X,Y)是X和Y的联合熵,H(Y|X)是X和Y的条件熵;
此无参考质量评价算法包括以下步骤:
1)选取用于训练和测试的图像;
2)计算图像的梯度、相对梯度和高斯拉普拉斯算子LoG;
3)分别计算梯度和LoG之间的条件熵H(GM|L)、H(L|GM),相对梯度和LoG之间的条件熵H(GM|L)-H(RM|L)、H(L|GM)-H(L|RM);
4)提取的图像特征包括:相对梯度方向RO的标准差、梯度和LoG之间的条件熵H(GM|L)、H(L|GM))、相对梯度和LoG之间的条件熵H(GM|L)-H(RM|L)、H(L|GM)-H(L|RM))共5维特征;
5)根据人眼视觉系统特性中的多尺度性,采用下采样方法,再提取缩小后图像的上述的5维特征,最终得到10维特征向量;
6)将所提取的10维特征向量,用AdaBoost神经网络进行回归以预测图像质量分数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810432185.1/1.html,转载请声明来源钻瓜专利网。