[发明专利]基于边缘特征信息的屏幕内容图像的无参质量评价方法

说明书

本发明涉及一种基于边缘特征信息的屏幕内容图像的无参质量评价方法，包括下列步骤：通过DOG算法来计算并获取SCIs图像边缘映射；将获取的边缘映射信息进行局部归一化，在给定SCIs的情况下，采用局部平均减法和除法归一化的方法计算归一化像素；进行边缘特征向量提取，利用L‑矩分布估计方法拟合从局部归一化边缘图中提取边缘信息；利用ABPNN回归器将质量感知特征向量映射到主观质量得分，将L‑矩分布估计提取的SCIs图像n维边缘特征向量和其主观质量评价分数放入ABPNN网络中训练，在训练阶段，利用边缘特征向量及其对应主观差异均值意见得分(DMOS)值建立回归模型。

技术领域

本发明属图像质量评价领域，涉及屏幕内容图像无参质量评价方法。

背景技术

近年来，传播技术的迅速发展,促进了远程通信的广泛应用,例如网上的新闻和广告,云计算等,从而产生大量由各种终端设备的屏幕生成的屏幕内容图像(SCIs)。与自然场景图像相比，SCIs具有相当明显的结构信息和统计特征，因为SCI包含计算机生成的内容，如文本、图表、地图、模式或插图(如logo、条形码、二维码)、其他图标等。

根据参考图像信息的存在性，传统的自然景物图像质量评价方法一般分为三种类型，即全参考(FR)、约简参考(RR)和盲/无参考(NR)方案。全参自然图像质量评价算法和越减参数自然图像评价算法，使用结构相似度指数(SSIM)，其基本理论是人类视觉系统(HVS)对图像结构特征敏感度有效地来估计感知图像质量。无参自然图像质量评价不需要参考信息，是一种适应实际情况的方法，如基于自然场景统计的度量，支持向量回归，内核学习，基于深度学习的度量。

由于SCIs与自然图像具有明显不同的结构和统计特性，其视觉质量研究的特殊性仍然是一个具有挑战性的问题。SCIs的图像质量评价是为了解决如何评估从各种电子设备进入我们眼中的变形SCIs的感知质量的问题。构成SCIs有两种方法，一种是在接收端，另一种是在发送端，在图像处理过程中，如传输和压缩，SCIs会出现各种各样的失真。经过专利申请人检索发现，无参图像质量评价在屏幕内容图像上应用甚少，因此，本专利提出一种有效的基于SCIs视觉质量评价方法，其主要内容包括能够保持数字终端的稳定性，指导基于SCIs处理的编码、增强、图像重定向等算法的改进和发展。

边缘信息是SCIs图像区域高频区域的基本要素，因此，边缘信息可以用来反映SCI的失真程度，分析SCI的边缘信息是解决SCI感知质量预测问题的一种可行方法。此外，AdaBoosting算法将多个相对较弱的分类器组合起来，构造成一个较强的回归机，在算法精度上有很大的提高。本专利基于SCIs边缘信息，通过AdaBoosting算法，构建预测SCIs图像无参质量评价模型，预测SCIs图像质量评价。

发明内容

本专利建立一种无参考度量方法来评估屏幕内容图像的感知质量(SCIs)的方法，其目的是通过提取的SCIs边缘特征，利用高斯模型对SCI视觉质量的边缘信息进行有效的人眼视觉差异捕获，并通过神经网络模型计算了两类多尺度边缘映射，有效地反映测试SCI的失真程度，利用AdaBooting反向传播神经网络，训练无参质量评价模型，为SCIs图像进行视觉质量评价的预测。技术方案如下：

一种基于边缘特征信息的屏幕内容图像的无参质量评价方法，包括下列步骤：

第一步，通过DOG算法来计算并获取SCIs图像边缘映射；

第二步，将获取的边缘映射信息进行局部归一化，在给定SCIs的情况下，采用局部平均减法和除法归一化的方法计算归一化像素；

第三部，进行边缘特征向量提取，利用L-矩分布估计方法拟合从局部归一化边缘图中提取边缘信息。