[发明专利]一种半参考型超分辨率重构图像质量评价模型的建立方法

权利要求书

1.一种半参考型超分辨率重构图像质量评价模型的建立方法，其特征在于包括：

步骤一：分别对低分辨率图像以及高分辨率图像进行显著性检测，从而提取图像的显著性特征；

步骤二：将原图像与显著性特征相乘，并对相乘所得图像进行DWT变化，提取图像中的高频信息，并计算出高分辨率图像相对于低分辨率图像的信息增益；

步骤三：采用LBP算子提取低分辨率图像和高分辨率图像的纹理特征，并结合图像显著特征，通过直方图来比较低分辨率和高分辨率图像的纹理相似度；

步骤四：结合步骤二得到的信息增益和步骤三得到的纹理相似度，构建半参考型超分辨率重构图像质量评价模型。

2.根据权利要求1所述的一种半参考型超分辨率重构图像质量评价模型的建立方法，其特征在于：所述步骤一中的显著性检测，从而提取显著性图像包括如下内容：

基于注视的检测模块对低分辨率图像以及高分辨率图像进行视觉显著特征进行提取，提取的显著特征M(r)的计算公式如下：

其中，r表示高分辨率图像或低分辨率图像，rg表示r经高斯滤波后的图像，C为常数，P表示梯度，P_x表示x方向的梯度，P_y表示y方向的梯度，s表示图像信号，表示卷积。

3.根据权利要求2所述的一种半参考型超分辨率重构图像质量评价模型的建立方法，其特征在于：所述步骤二的具体步骤为：

A、将提取的显著特征M(r)进行取反得到权重矩阵，利用该权重矩阵来对原低分辨率图像以及高分辨率图像进行加权得到图像的显著图像信息：W(r)＝1-M(r)；

B、将得到的显著图像进行DWT变换，得到水平方向高频子带LH，垂直方向的高频子带HL，对角线方向的高频子带HH以及低频子带LL；

C、分别计算低分辨率图像LR和高分辨率图像HR各个子带的信息熵E，

其中，M和N表示各个子带的图像尺寸，i和j表示图像的坐标索引，P(i，j)表示图像经DWT分解之后各子带图像的小波系数；

D、计算高分辨率图像相较于低分辨率图像的LH、HL和HH子带图像的信息熵的增加量的总和S₁：

其中，E_LH表示高分辨率的子带LH的信息熵，E_HL表示高分辨率的子带HL的信息熵，E_HH表示高分辨率的子带HH的信息熵，E_LH′表示低分辨率的子带LH的信息熵，E_HL′表示低分辨率的子带HL的信息熵，E_HH′表示低分辨率的子带HH的信息熵。

4.根据权利要求3所述的一种半参考型超分辨率重构图像质量评价模型的建立方法，其特征在于：所述步骤三的具体步骤为：

A、采用LBP算子分别提取低分辨率图像LP与高分辨率图像HP的纹理结构，其公式如下：

其中，P和R表示领域的数量和半径，g_c和g_i是中心位置以及邻域的像素值；

B、将得到的纹理结构与显著图像信息进行结合，得到图像的显著性纹理结构图

U＝LBP(r)·W(r)；

C、采用直方图对低分辨率图像和高分辨率图像得到的显著性纹理结构图进行对比，得到纹理结构的相似程度S₂，

H＝hist(U)，

其中，H为显著性纹理结构图U的直方图分布，LR为低分辨率，HR为高分辨率，n表示直方图的数量，c为常数。

5.根据权利要求4所述的一种半参考型超分辨率重构图像质量评价模型的建立方法，其特征在于：所述步骤四中结合高分辨率图像相较于低分辨率图像的信息量增益，纹理相似程度，结合后预测图像的视觉质量其中α和β是调整参数。