[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

说明书

本发明提供了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，首先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；其次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；然后采用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；最终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。

技术领域

本发明涉及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，特别涉及一种利用灰度图像的奇异值分解提取结构和亮度方面失真信息，利用四元数的奇异值分解提取颜色的整体失真信息的半参考型超分辨率重构图像质量评价模型的建立方法和装置。

背景技术

图像超分辨率是指图像超分辨率重构技术依据输入图像的数量分为单张图像超分辨重构以及多张图像的超分辨率重构。单张图像超分辨率重构是指利用单幅图像作为输入得到高分辨率图像，多张图像超分辨率重构是指在同一场景下的多张低分辨率图像作为输入来重构出高分辨率图像。高分辨率图像拥有更多细节信息、更高的像素密度和更细腻的画质。为了获得高分辨率图像，最简单直接的办法就是采用高分辨率的相机。但在实际应用中，鉴于工程成本以及制造工艺的考虑，在许多场合下都不适宜采用高分辨率的相机来进行图像信号的采集。因此，通过超分辨率重构算法来获取高分辨率图像具有实际应用需求。图像超分辨率重构技术在许多方面起到非常重要的作用，比如：计算机视觉、遥感图像、网页浏览、医疗图像、高清电视和视频监控等。

近些年大量的图像超分辨率重构算法被提出，但是怎样有效地去评价这些算法的性能一直是存在的问题。一种简单有效地方法是对图像进行主观的评价，即找不同的人对超分辨率重构图像进行观测打分，所得分数经过处理之后最终得到一个分数作为该图像的质量分数。由于人眼作为图像和视频等信息的最终接受者，因此这种主观评价方法对超分辨率重构图像的评价是值得信赖的。然而采用主观评价的方法对超分辨率重构图像进行评价的成本太高，会花费大量的时间。此外，主观评价方法不易对图像超分辨率重构算法做参数优化的工作。因此针对超分辨率图像以及对应重构算法来说，客观的质量评价模型是非常有意义的。

对超分辨率重构图像进行客观评价是很有挑战的，因为在实际应用中没有高质量的高分辨率图像用作参考图像，所以一些性能较好的全参考质量评价算法：峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)、结构相似性算法(Structural Similarity Index，SSIM)和多尺度结构相似度(Multi-Scale Structural Similarity Index，MS-SSIM)等难以对实际应用中产生的超分辨率重构图像进行有效的评价。由于在图像超分辨率重构过程中带来了复合失真，比如模糊、振铃效应以及纹理失真等。因此现存的性能比较优越的通用无参考型质量评价算法：空间域无参考图像质量估计方法(Blind Referenceless ImageSpatial Quality Evaluator，BRISQUE)、基于自由能的鲁棒无参考评价算法(No-Reference Free Energy based Robust Metric，NFERM)和基于码书表示的无参考图像评价方法(Codebook Representation for No-reference Image Assessment，CORNIA)等也难以有效评价超分辨率重构图像。因此对于超分辨率重构图像质量评价这个全新问题，研究有效的超分辨率重构图像及相应重构算法的质量评价算法是有重大意义的。

发明内容

本发明的目的是针对上述问题，提出一种基于基于信息增益和纹理相似性两个点，建立的半参考型超分辨率重构图像质量评价模型。

为实现上述目的，本发明提出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，该方法包括：

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；