[发明专利]一种基于图像失真类型的图像质量评估的方法

说明书

本发明公开了一种基于图像失真类型的图像质量评估的方法。本发明用DCT方法把高维度图像的信息量在低维度图像上表示出来，提取出失真特征；然后利用支持向量机的方法，建立标签为1,2,3,4,…,n的SVM分类器中，将失真类型分为n种；将图像的失真特征输入，通过决策函数对所选图像进行分类；在判断出图像失真类型后，再按评估模型计算得出图像质量的评价指标IQA。本发明针对每一种失真类型建立一套评价模型，从而提高图像质量的客观评价效率。

技术领域

本发明涉及数字图像处理领域，具体的说提供一种基于图像失真类型的图像质量评估的方法，关于图像质量评估的方法。

背景技术

图像是记录或描述视觉信息的载体，是最普遍也是最方便的信息传播方式，据统计，人类获取到的信息中，70％～80％均为视觉信息。简单来说，图像所承载的信息主要包括物体的位置、尺寸以及所表示的信息相互之间的关联等，通过其描述的空间信息，我们可以直观地对客观世界进行感知，并在此基础上采用合理有效的方法对其进行处理。随着信息时代的推进，数字图像成为最常见的一种信息媒体，有着非常广泛的应用领域，主要包括工农业、生物医学及医疗保健、工程、军事、航天和航空、气象、安全等各个方面。在图像的采集、处理、存储、传输、修复及重建等过程中，由于成像系统、输出设备、存储和控制设备、处理手段及通信方式等的不完善，会不可避免地出现不同类型和程度的图像失真，影响信息的准确度和可靠性。例如，在生物医学领域，最重要的辅助手段就是医学图像，医学图像不够清晰完整，医生将无法获取精确的图像信息进而准确诊断病情；在军事领域，将来自卫星的图像用于军事侦察，卫星图像出现失真会对动态目标的识别和跟踪产生偏离，会使通过地形匹配实现精确轰炸这一过程出现偏差。

图像质量是图像固有的属性，一般而言，图像质量的测度主要有三个方面的应用:第一，为质量控制系统提供图像质量管理，例如图像采集系统可以利用质量测度对图像质量进行监控，并自动进行调整以获得最佳质量的图像数据；第二，作为衡量图像处理系统及相关算法的标准，从多种图像处理系统中选出与特定目标相切合的处理系统；第三，嵌入到图像处理系统中对算法及参数集进行优化，例如在可视化通信系统中，利用质量测度可以帮助系统优化编码器中的前置滤波和比特分配算法，以及解码器中的后置处理算法等。由此可见，在图像处理及应用领域中，建立有效的图像质量评价体系，对图像质量进行合理评估，具有非常重要的实际价值。

然而，我们常常将图像质量评价方法分为主观评价和客观评价两大类。由于在主观评估中容易受到主观因素及客观条件的影响，主观评价结果往往不能稳定地反映图像质量，因此近些年人们一致致力于探究一种合适的客观质量评价方法，通过模型给出的量化指标很好地代替主观感受，进而适用于实际应用。在客观评价中主要利用了数学和工程的方法，其目的在于寻找一个理想的数学模型对图像质量进行评价，使得评价结果能与主观评价结果取得一致，模拟并代替人类视觉系统感知图像甚至视频的质量，进而被广泛应用。根据对原始图像的参考程度，图像质量客观评价方法可以分为三类:全参考评价法，部分参考评价法以及无参考评价法。

全参考图像质量评价是指在选择理想图像作为参考图像的情况下，比较待评图像与参考图像之间的差异，分析待评图像的失真程度，从而得到待评图像的质量评估。常用的全参考图像质量客观评价主要以像素统计、信息论、结构信息三方面为基础。

部分参考也成为半参考，它是以理想图像的部分特征信息作为参考，对待评图像进行比较分析，从而得到图像质量评价结果。由于所参考的信息是从图像中提取出来的特征，所以它必须要先提取待评图像和理想图像的部分特征信息，通过比较提取出的部分信息对待评图像进行质量评估。部分参考方法可分为基于原始图像特征方法、基于数字水印方法和基于Wavelet域统计模型的方法等。因为部分参考质量评价依赖于图像的部分特征，与图像整体相比而言，数据量下降了很多，目前应用比较集中在图像传输系统中。

无参考方法也称为首评价方法，因为一般的理想图像很难获得，所以这种完全脱离了对理想参考图像依赖的质量评价方法应用较为广泛。无参考方法一般都是基于图像统计特性。

发明内容