[发明专利]一种图像超分辨率重建的无参考图像质量评价方法

说明书

本发明提出了一种图像超分辨率重建的无参考图像质量评价方法。本发明通过专业摄像人员进行拍摄获得多张高清图像；对高清图像进行插值变换，通过不同的插值步长缩小图像得到小图图像，并对小图图像进行放大；分别对每个图像样本进行主观测试得到平均主观评分和平均主观差异评分作为图像标签；分别采用奇异值分解、离散余弦变换、离散小波变换对图像进行分解和重建，构成细节信息图像组；用高斯混合模型来描述细节信息图像的统计特性，并采用费舍尔向量进行编码作为图像质量感知特征；将每张图像的质量感知特征及其对应的平均主观评分或平均主观差异评分用于训练支持向量回归模型。本发明优点在于对图像超分辨率重建技术进行很好的评估。

技术领域

本发明涉及一种图像超分辨率重建的无参考图像质量评价方法。属于数字图像处理和计算机视觉领域，具体属于图像质量评价领域。

背景技术

数字成像系统采集的图像的分辨率往往依赖于相机传感器的性能，高分辨率的图像意味着更高成本的传感器设备，因而在实际应用中需要兼顾设备成本和图像分辨率，很多应用为降低成本而导致了图像分辨率的降低。除图像获取外，图像的传输和压缩等过程通常也会导致图像分辨率的降低，造成人们理解图像内容和获取图像信息困难。图像超分辨率重建技术能够有效提高原始图像的分辨率，获取细节信息更丰富、分辨率更高的高分辨率图像。它旨在通过一个或多个低分辨率的输入图像建立高分辨率图像，重建图像中清晰的细节特征、减小图像中物体的几何失真。由于从高分辨率到低分辨率的降质过程中有大量信息丢失，为了重建更高分辨率的高质量图像，需要借助图像的先验信息，包括边缘信息等。

衡量图像超分辨率重建算法和系统性能的决定性因素是采用图像质量评价(Image Quality Assessment,IQA)算法对重建图像的质量进行定量评价。现有的评价图像超分辨率重建算法性能的方法，如结构相似性(Structural Similarity Index,SSIM)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)等，并不能与人类视觉系统达到很好的一致性，且需要借助同一场景下具有的原始图像作为参考图像，然而在实际的图像超分辨率重建过程中，通常难以得到原始的高分辨率参考图像。无参考图像质量评价旨在没有任何参考信息的情况下，对图像的质量进行定量的评价。建立针对图像超分辨率重建的符合人类视觉标准的无参考质量评价方法极具应用价值。

发明专利《一种对于超分辨率图像的质量评价方法》(申请号为201710011972.4)通过计算低分辨率图像和超分辨率图像的局部能量及纹理相似性得到超分辨率图像的质量。其不足之处在于需要借助低分辨率图像作为参考图像，不能实现无参考的图像质量评价；直接采用图像的离散余弦变换系数作为图像特征，特征过于简单，且与图像的分辨率没有很好的相关性，与人类视觉主观一致性存在一定差距，还有很大提升空间。为解决上述问题，本发明提供了一种基于训练的适用于图像超分辨率重建的无参考图像质量评价模型，得到的客观质量分数与人类主观分数相关性更高。进行图像质量评价模型的训练通常需要大量的图像样本，而现有的IQA数据库并不包含各种分辨率的图像，且样本数量和图像内容均十分有限。为改善这一问题，本发明构造了一个多分辨率图像库用于评价模型的训练，使模型能够感知不同分辨率的图像的质量。

发明内容

本发明所要解决的技术问题在于提供一种图像超分辨率重建的无参考图像质量评价方法，旨在弥补目前针对图像超分辨率重建技术的无参考图像质量评价模型研究的不足。

本发明通过以下技术方案实现，包括以下步骤：

步骤1：通过专业摄像人员进行拍摄获得多张高清图像；

步骤2，对高清图像进行插值变换，通过不同的插值步长缩小图像得到小图图像，采用同样的插值步长对小图图像进行放大得到与原图像素尺寸相同的不同分辨率的图像；

步骤3：分别对每个图像样本进行主观测试得到平均主观评分和平均主观差异评分作为图像标签；