[发明专利]一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法

权利要求书

1.一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法，其特征在于，该方法包括如下步骤：

步骤(1)：从输入图像集中输入彩色图像，将输入图像集随机划分成测试图像集和训练图像集；

步骤(2)：将测试图像集和训练图像集中的彩色图像提取出红色图像分量R、绿色图像分量G和蓝色图像分量B；

步骤(3)：对R通道图像、G通道图像和B通道图像进行归一化处理，分别得到归一化R通道图像NR、归一化G通道图像NG和归一化B通道图像NB；

步骤(4)：将归一化R通道图像在(i,j)点处的取值NR(i,j)、归一化G通道在(i,j)点处的取值NG(i,j)和归一化B通道在(i,j)点处的取值NB(i,j)组成彩色向量C(i,j)，组合公式如下：

C(i,j)＝[NR(i,j),NG(i,j),NB(i,j)]

步骤(5)：计算彩色图像在(i,j)点处的彩色向量中心夹角θ(i,j)，将彩色向量中心夹角θ(i,j)组成彩色向量中心夹角图像θ，计算彩色向量中心夹角图像θ的CLBP特征；计算CLBP特征的均值、标准差、偏度、峰度和熵作为CLBP特征向量X；

步骤(6)：计算彩色向量中心夹角图像的DLBP特征，计算DLBP特征的均值、标准差、偏度、峰度和熵作为DLBP直方图特征向量Y；

步骤(7)：将特征向量X和特征向量Y合并成特征向量f₁；

f₁＝[X,Y]

步骤(8)：将步骤(1)中的输入彩色图像进行2级的下采样，得到另外2个不同尺度下的彩色图像；

步骤(9)：对另外2个不同尺度下的彩色图像重复步骤(2)到步骤(9)，得到另外2个不同尺度下的特征向量，记为f₂和f₃；

步骤(10)：将特征向量f₁、f₂和f₃组合成最终总的特征向量F，组合公式如下：

F＝[f₁,f₂,f₃]

步骤(11)：将特征向量F合并主观MOS分值送到支持向量回归机中进行训练，得到训练后的支持向量回归机；

步骤(12)：将测试图像同样按步骤(1)到步骤(10)提取出特征向量F，送到训练后的支持向量回归机中进行测试，得到客观的图像质量评价结果。

2.根据权利要求1所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法，其特征在于，所述步骤(3)中的归一化处理具体如下：

以计算归一化R通道图像NR为例，采用公式如下：

其中，(i,j)为某一像素在图像中的坐标，ω为大小为高为(2K+1)、宽为(2K+1)、均值为0、方差为1的二维高斯滤波器系数，K为邻域像素点个数，m为二维高斯滤波器的行索引，n为二维高斯滤波器的列索引，R(i,j)为R通道图像在(i,j)处的取值，μ_R(i,j)为R通道图像进行高斯滤波后在(i,j)处的均值，σ_R(i,j)为R通道图像进行高斯滤波后在(i,j)处的标准差，其中C₀为避免分母为0而设的常数；

采用同样的方法，可以计算出归一化G通道图像NG和归一化B通道图像NB。