[发明专利]基于多特征融合BRISQUE算法的图像质量评价方法

说明书

一种基于多特征融合BRISQUE算法的图像质量评价方法，计算图像均值对比度归一化系数MSCN，获取MSCN分布直方图特征、GGD特征和AGGD特征，将特征进行融合，对图像进行2倍降采样，在降采样后的图像上同样提取MSCN分布直方图特征、GGD特征和AGGD特征，并将特征进行融合，将原图像和2倍降采样后图像得到的特征进行融合，得到最终特征，通过支持向量机预测测试图像的平均主观分值，得到图像质量评价。本发明能够客观评价图像质量，评价结果更为接近人类主观评价方法。

技术领域

本发明涉及图像处理、特征提取等领域，尤其涉及一种图像质量评价方法。

背景技术

图像质量评价方法主要有两种，一种被称为“主观评价方法”，另一种相对的被称为“客观评价方法”。其中，主观评价方法是由观测者对图像质量进行评价。由于是通过人类感觉直接获得的评分，所得到的分数是研究的参考基础。目前主要分为平均主观分MOS(mean opinion score)和差异平均主观分DMOS(differential mean opinion score)两种。MOS是测试者在没有参考图的情况下来进行评价，其依据的是测试者本人的个人经验或之前已经制定好的评价(打分)标准。DMOS则相对复杂一些，测试实验时，会为测试者提供待评图像的同时提供相关参考图像，之后测试者通过对两者的比较，从而得出评价分。而客观评价方法则是运用各种图像质量评价算法来对图像质量进行评价，在进行评测过程中，可以参考原图像全部信息，或者原图像部分信息，或者无参考图像。而目前的研究热点则是找到一种无参考的客观算法，从而使获得的结果可以与主观评价方法的结果保持一种明显的线性关系。

目前在客观图像质量评价方法的研究上，已经取得了不少成果。在全参考客观图像质量评价方法上，主要有：特征相似度FSIM(Feature-SIMilarity)、结构相似度SSIM(Structural-SIMilarity)、多尺度结构相似度MS-SSIM(MultiScale Structural-SIMilarity)、视觉信息保真度VIF(Visual Information Fidelity)等方法；在无参考客观图像质量评价方法上，主要有：自然图像质量评价器NIQE(Naturalness Image QualityEvaluator)、使用离散余弦转换统计数据的盲图像完整性标记二代BLIINDS-II(BlindImage Integrity Notator using DCT Statistics-II)、盲/无参考图像空间质量评价器BRISQUE(Blind Referenceless Image Spatial Quality Evaluator)、失真识别图像的真实性和完整性评估DIIVINE(Distortion Identification-based Image Verity andIntegrity Evaluation)等方法。

发明内容

为了克服现有图像质量评价方法与人类主观评价方法存在着较大差距的不足，本发明提出一种基于多特征融合BRISQUE算法的图像质量评价方法，该方法能够客观评价图像质量，评价结果更为接近人类主观评价方法。

本发明解决其技术问题所采用的技术方案是：

一种基于多特征融合BRISQUE算法的图像质量评价方法：所述方法包括以下步骤：

步骤1，根据公式(1)计算图像均值对比度归一化系数MSCN：

其中，I(i,j)是灰度图像像素幅度值，i和j是像素坐标，i∈{1，2，...，M}，j∈{1，2，...，N}，M和N分别是图像的高和宽，C取值1以防止分母为0，ī(i,j)是MSCN值，μ(i,j)和σ(i,j)分别通过公式(2)和公式(3)计算得到：