[发明专利]一种全景图像质量评估方法

说明书

一种全景图像质量评估方法，通过将无压缩的全景图和对应压缩后的全景图经过scharr滤波器滤波后获得单个像素计算的视觉得分，通过多尺度融合来评估不同尺度下输入图像的质量，针对全景图的观看模式，采用尺度自适应方案，用注意力图机制v(t)控制是否使用注意力权重W(r)进行细节感知，可以模拟实现人眼观看全景图像的不同维度时会分配不同的注意力，以及人眼在观看图像时对全局和细节的特征把握，提高了模型客观评估结果与主观结果的一致性。

技术领域

本发明涉及计算机视觉的技术领域，尤其涉及一种全景图像质量评估方法。

背景技术

图像质量评估(Image Quality Assessment,IQA)的目标是设计出能够替代人眼对图像失真进行准确有效评估的算法，它在图像处理的各个领域中具有非常重要的意义。为了实现这一目标，在过去的几年里，人们提出了许多IQA方法。随着对基于图像的应用的需求不断增加，对图像质量的高效可靠的评价也越来越重要。IQA对于许多图像处理应用来说都是至关重要的。

IQA分为主观质量评价和客观质量评价。主观质量评价通过观察者的评分来判断图像质量，易受个体主观影响，难以复现。图像质量的客观评价是根据人眼视觉系统建立数学模型，并通过具体的公式计算图像的质量的客观评价。相比主观评价，客观评价具有可批量处理、结果可重现的特点，不会出现人为因素的偏差。

客观评价算法根据其对参考图像的依赖程度,可分成三类。(1)全参考:需要和参考图像上的像素点做一一对应的比较；(2)半参考:只需要和参考图像上的部分统计特征做比较；(3)无参考:不需要具体的参考图像。其中全参考算法是研究时间最长、发展最成熟的部分。

全参考图像质量评价的待评价图像信号的质量可以通过与原始图像信号相比之后获得的误差信号来进行质量分析。图像质量的下降与误差信号的强弱相关。基于此，最简单的质量评价算法就是均方误差(Mean Squared Error,MSE)和峰值信噪比(Peak Signal-Noise Ratio,PSNR)。近几年还陆续提出了SSIM、MS-SSIM、ADD-SSIM和PSIM等全参考图像质量评价的方法。SSIM在假设人的视觉感知高度适应于从场景中提取结构信息的前提下，提出了一种基于结构信息退化的图像质量评价框架。MS-SSIM则提出了一种多尺度结构相似性方法，该方法比以往的单尺度方法具有更大的灵活性。ADD-SSIM通过图像内容和失真情况分析失真分布，即综合考虑失真位置、失真强度、频率变化和直方图变化的分布来推断总体质量。PSIM则通过提取图像的梯度幅度映射来模拟人眼观看图像的方式。这些方法对一般图像的评估有着很好的效果，然而全景图像跟一般图片不尽相同，人们在观看全景图时注意范围会有一些差异，因此之前所提出的全参考方法对全景图像并非完全适用。

全景图在虚拟会议、虚拟漫游等日常办公中有着广泛的应用。不仅如此，全景图在存储和传输过程中需要大量压缩，评价不同编码技术对全景图的视觉质量影响具有重要意义。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种全景图像质量评估方法，其可以模拟实现人眼观看全景图像的不同维度时会分配不同的注意力，以及人眼在观看图像时对全局和细节的特征把握，提高了模型客观评估结果与主观结果的一致性。

本发明的技术方案是：这种全景图像质量评估方法，该方法采用的视觉质量评估模型为公式(1)：

其中I为无损图像，为有损全景图像，F_I表示经过滤波后的图像，F_I(r)表示图像中的像素r，R是F_I中的像素总数，该方法包括以下步骤：

(1)Q(r)为单个像素计算的视觉得分，通过将无压缩的全景图和对应压缩后的全景图经过scharr滤波器滤波后获得；

(2)通过多尺度融合来评估不同尺度下输入图像的质量，w_t是用于调整多尺度下每个项相对贡献的控制器；