[发明专利]一种通用型无参考图像质量评价方法

说明书

本发明公开了一种通用型无参考图像质量评价方法，包括步骤：收集具有高视觉质量的自然场景图像，建立图像质量参考模型训练集；对图像进行分块后提取多类图像自然场景统计特征，然后对特征向量进行降维和MVG模型拟合，得到预训练的像质参考模型；对给定的测试图像在图像分块后通过块匹配进行相似块分组，从每个块组中提取图像的自然场景统计特征，然后对特征向量进行MVG模型拟合；计算每个模型与像质参考模型之间的距离作为中心图像块的质量初步估计；在块组内进行块质量加权平均，得到该块组中心图像块质量的进一步估计，然后将所有中心图像块的质量估计平均得到测试图像的最终图像质量评价结果。

技术领域

本发明涉及无参考图像质量评价技术领域，具体涉及一种通用型无参考图像质量评价方法，其是一种在原始图像未知的情况下，对像质遭受退化的测试图像进行客观图像质量评价的方法。

背景技术

随着成像技术的发展，图像质量评价相应地成为一项重要议题。典型的图像质量评价可分为主观评价和客观，其中主观评价方法对对人力成本和时间成本要求较高，因而实际应用中人们更多地倾向于采用客观图像质量评价技术。客观图像质量评价又可细分为全参考评价、半参考评价和无参考评价。在现实情况中，无参考图像质量评价任务更为常见。

在研究初期，学者们提出的无参考图像质量评价方法多基于失真类型先验。这类方法先判断图像可能遭受的失真类型，进而在这种假设下对其失真程度进行度量来获得图像质量的预测。发展到中期，人们逐渐减弱对于图像失真类型的依赖，开发出基于特定图像库来进行训练的基于特征的无参考图像质量评价方法，但是受到图像库样本数量和类型的限制，这类方法同样无法取得很好的应用效果。因此，近年来相继出现了具有更强的通用性和实用性的图像质量评价方法，在各个公开的自然图像数据库上均表现出较为优异的图像质量评价效果。然而，自然图像包括非常丰富的图像类型，在公开发表的研究成果中，未见有关遥感图像质量评价的相关内容。经实验验证，上述各通用型自然图像无参考质量评价方法在遥感场景图像上均不能得到真实客观的图像质量预测结果。另一方面，近年来提出的无参考图像质量评价方法主要基于图像块的局部自然场景统计特征，而无法反映图像的高维内在特性，这也显示出对图像特征的利用度不足进而导致本质上的图像特征表达欠缺。

发明内容

本发明公开提出一种新的技术方案，旨在提高自然图像全类别的图像质量评价性能。通过引入块匹配技术以及基于结构相似度的，加强对图像块间相关性和内在特征的表达。与以往方法相比，本方法在公开的自然图像库上获得更准确的图像质量评价主客观一致性，同时表现出更稳定的图像质量评价性能。另一方面，以往的通用型无参考图像质量评价方法均未考虑遥感自然图像方面的应用，事实上对于遥感图像来说无参考图像质量评价任务比其他应用领域往往更为常见也更为重要。本发明利用灰度共生矩阵的四种特定统计特征来表征遥感图像的场景特性，在原有的图像特征包上进行了扩展，最终得到了较好的遥感图像无参考质量评价结果，实现了更全面的图像质量评价目标。

为了实现所述的目的，本发明的技术解决方案是：一种通用型无参考图像质量评价方法，包括如下步骤：

(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、遥感场景等，建立自然图像质量参考模型训练样本集；

(2)对上述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；