[发明专利]基于独立成分分析的无参考图像质量评价方法

说明书

本发明公开了一种基于独立成分分析的无参考图像质量评价方法，明利用像素对的空间相关性来选择代表图像质量的图像质量块；利用选出的最佳图像质量块并采用FastICA算法求得LIVE2图像库中图像的检测特征，由特征求得图像质量块的独立成分；由LIVE2中图像的独立成分的二值化作为哈希函数建立哈希查找表，查找表的每个数据元素包括判断数据，独立成分数据及主观质量评价DMOS（differential mean opinion score）值；利用待测图像的独立成分的二值化来查找哈希表，对于冲突项采用汉明距离匹配，得出无参考图像质量评价结果。评价结果与DMOS值保持了较好的一致性，且能够对图像的失真程度进行准确度量。

技术领域

本发明涉及图像质量评价领域，尤其涉及通信与信息处理技术领域。

背景技术

在数字视听技术飞速发展的时代，人们对传输及获取的图像质量提出了更高的要求。所以在图像或视频处理的显示终端需要嵌入质量监控模块，为了满足图像处理系统实现质量监控的要求，并克服无法获取标准参考图像的困难，学者们提出了无参考图像质量评价技术，并对该项技术进行了深入研究。

现有的无参考图像质量评价技术存在一些缺陷，例如：不能很好地表征图像质量；图像质量评价算法速度较慢；主观一致性较差等。此外与本方法相似的一个图像质量评价技术是利用像素对的统计模型评价图像质量，但该方法只能在微光图像质量评价中取得良好效果，对自然图像质量进行评价时效果不理想。为了克服这些缺陷，本发明提出一种基于ICA(独立成分分析)二值化的无参考图像质量评价方法，利用像素对的空间相关性来选择代表图像质量的图像质量块，对选出的最佳图像质量块进行ICA计算，求得独立成分，将独立成分通过哈希查找表及汉明距离匹配图像库LIVE2中的主观质量评价DMOS(differential mean opinion score)值，得出无参考图像质量评价结果。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于独立成分分析的无参考图像质量评价方法。

本发明为解决上述技术问题采用以下技术方案：

基于独立成分分析的无参考图像质量评价方法，包含以下步骤：

步骤1)，对于LIVE2图像库中的每一个图像，选择出五个图像质量块：

步骤1.1)，生成每幅图像的散点图；

步骤1.2)，计算散点图的散布宽度I_w；

步骤1.3)，在图像上滑动32×32的窗口，获得所有32×32的图像块，计算每个图像块中像素对散点图的散布宽度I_pw；

步骤1.4)，对于每一个图像块，计算其散布宽度I_pw与I_w的比值，将其作为该图像块的RWID值；

步骤1.5)，按照以下按照以下RWID值的范围对各个图像块进行分类：RWID＝1、0.95＜RWID＜1、0.9＜RWID＜0.95、0.85＜RWID＜0.9、0.8＜RWID＜0.85；在每个范围内任意选择一个图像块作为该范围的图像质量块；

步骤2)，对获得的LIVE2图像库所有图像的图像质量块进行独立成分分析(FastICA)计算，得到36个特征检测子；

步骤3)，计算各个图像质量块的独立成分：

对于每一个图像质量块，将其图像矩阵分别和36个特征检测子相乘，得到36个矩阵，对于每个矩阵、将其内的元素分别相加，得到36个元素S_i，i为大于等于0且小于36的整数，所述36个元素组成向量、即该图像质量块的独立成分；

步骤4)，对于每一个图像质量块，对其独立成分进行二值化：