[发明专利]一种通用型无参考图像质量评价方法

权利要求书

1.一种通用型无参考图像质量评价方法，该方法利用图像块匹配和灰度共生矩阵来加强自然图像的特征表达，其特征在于：包括以下步骤：

(1)广泛收集具有高视觉质量的自然场景图像，包括人、动物、风景、遥感场景，建立自然图像质量参考模型训练样本集；

(2)对训练样本集中的图像进行分块，并从每个图像块中提取图像自然场景统计特征和灰度共生矩阵特征；

(3)对得到的图像特征向量进行PCA降维，然后对降维后的图像特征向量进行MVG(Multivariate Gaussian，多元高斯)模型拟合，得到最终的图像质量参考模型；

(4)对给定的测试图像进行图像分块，通过块匹配对相似图像块进行聚类得到多个图像块组，同时记录每次块匹配过程的相似度和匹配块方位；

(5)从每个图像块组中提取图像自然场景统计特征和灰度共生矩阵特征，并对特征向量进行PCA降维；

(6)对每个块组经过降维后的图像特征向量分别进行MVG模型拟合，然后计算此模型与预训练得到的图像质量参考模型之间的巴氏距离得到该块组中心图像块的质量初步估计；

(7)利用之前记录的块匹配相似度作为权值，将每个块组里的相似块的质量初步估计进行加权平均，得到该块组中心图像块质量的进一步估计；

(8)对每个中心图像块的二次质量估计结果进行平权平均得到测试图像的最终图像质量评价结果。

2.按权利要求1所述的通用型无参考图像质量评价方法，其特征在于：收集具有高视觉质量的自然场景图像以及自然图像质量参考模型训练样本集的建立包括以下步骤：

1)通过各种渠道收集具有高分辨率、高对比度、无明显色彩失真的可见光自然图像，并且要求图像类别涵盖人物、动物、风景、各类遥感场景，将图像依次进行编号；

2)组织5名或5名以上科研人员，用国际通用的主观图像质量评价标准对这几名人员进行培训，然后安排他们对收集到的所有高视觉质量自然图像进行主观评判，仅留下获得全体评判人员一致同意的高质量自然图像作为实验图像，以此建立图像质量参考模型的训练样本集。

3.按权利要求1所述的通用型无参考图像质量评价方法，其特征在于：对图像训练样本集中的图像进行分块，并从每个图像块中提取自然图像场景统计特征和灰度共生矩阵特征包括以下步骤：

将训练样本集中的图像分成大小为84×84的图像块，然后依次从各图像块中提取MSCN(Mean Subtracted Contrast Normalized)系数、色彩、梯度、log-Gabor滤波器响应、GLCM(Gray-level co-occurrence matrix，灰度共生矩阵)五类特征向量，用于描述图像的光学特征、色彩特征、结构特征和纹理特征。

4.按权利要求1所述的通用型无参考图像质量评价方法，其特征在于：对给定的测试图像进行图像分块和相似块聚类包括以下步骤：

给定一幅需要进行质量评价的测试图像，首先对其进行84×84的图像分块，得到N个原始图像块，然后依次以每一块作为中心块与其他图像块进行遍历的块匹配，所有相似块将聚集在一个块组里，最终得到N个块组；在这个过程中，取结构相似度SSIM(StructuralSimilarity)作为相似度测度，相似度计算值高于阈值0.69的图像块认为其与中心图像块相似，该相似块在原图像中的位置以及计算得到的相似度将对应的记录在另外一个矩阵中。

5.按权利要求1所述的通用型无参考图像质量评价方法，其特征在于：对块组内相似块的质量初步估计进行加权平均得到该块组中心图像块质量的进一步估计包括以下步骤：

得到每个图像块的像质初步估计之后，提取各相似块组的相似度向量，将相似度值作为权值对块组中的所有相似块的像质初步估计值进行加权平均，得到该块组中心图像块的像质进一步估计结果。