[发明专利]一种雾天图像质量评价方法

权利要求书

1.一种雾天图像质量评价方法，其特征在于，包括：

S1、将训练图像分成B×B大小的分块图像，对每一个分块图像进行混合特征提取，得到训练图像的混合特征X；

S2、通过初始聚类中心固定的K-means算法对X进行聚类，得到码书；

S3、根据码书对训练图像进行编码，得到训练图像的特征向量；

S4、将特征向量与预设的训练图像的主观评分代入回归模型进行训练，得到SVR质量评价模型；

S5、根据SVR质量评价模型对测试图像进行质量评价，得到测试图像的质量得分。

2.根据权利要求1所述的雾天图像质量评价方法，其特征在于，步骤S1，具体包括：

S11、将训练图像分成B×B大小的分块图像；

S12、通过广义高斯分布提取分块图像的形状特征和方差特征；

S13、通过非对称广义高斯分布提取分块图像的水平、垂直、主对角线和辅对角线四个方向上的均值特征、形状特征、左方差特征和右方差特征；

S14、综合形状特征、方差特征及水平、垂直、主对角线和辅对角线四个方向上的均值特征、形状特征、左方差特征、右方差特征，得到分块图像的混合特征F；

S15、综合B×B个分块图像的混合特征，得到训练图像的混合特征X＝[F₁,F₂,F₃...,F_n]。

3.根据权利要求2所述的雾天图像质量评价方法，其特征在于，步骤S12，具体包括：

通过广义高斯分布提取分块图像的形状特征和方差特征，其中，x为分块图像的像素，α为控制分布的形状，σ²为控制分布的方差，且a＞0，β是尺度参数，由σ和α决定，Γ是伽马函数。

4.根据权利要求2所述的雾天图像质量评价方法，其特征在于，步骤S13，具体包括：

通过非对称广义高斯分布提取分块图像的水平、垂直、主对角线和辅对角线四个方向上的均值特征μ、形状特征γ、左方差特征和右方差特征其中，x为分块图像的像素，σ为控制分布的形状，σ²为控制分布的方差，β_l和β_r分别为左边和右边的尺度参数。

5.根据权利要求1所述的雾天图像质量评价方法，其特征在于，步骤S2，具体包括：

S21、X需要聚类的码字个数为K，表示聚类中心，则

S22、获取两个初始聚类中心和数据集中有N个维数为M的向量，计算数据集中r和之间的欧式距离T_ij，计算公式：

S23、遍历数据集，得到最大的T_ij，并表示为T_U；

S24、已经确定了k(2≤k≤K-1)个聚类中心，则第k+1个聚类中心为剩余的N-k个数据中与已经确定的k(2≤k≤K-1)个聚类中心之间欧式距离S_i和T_U，计算公式：

计算S_i的最大值为则将其作为一个新的聚类中心，重复步骤S24，直到聚类中心数目等于K。

6.根据权利要求1所述的雾天图像质量评价方法，其特征在于，步骤S3，具体包括：

计算训练图像的混合特征与码书中码字的距离，计算公式如下：

c_i＝[max(s_i1,0),...,max(s_ik,0)，max(-s_i1,0)],...,max(-s_ik,0)，其中，s_ij表示第i个特征向量x_i与第j个码字D_j之间的相似度s(i,j)＝x_i·D_j；

定义最大值pooling：

其中，ψ_max为X对应的系数矩阵C在每一行中的最大值的函数。