[发明专利]显著性调制下多维视觉特征协作的全盲图像质量评价方法

权利要求书

1.一种显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，包括如下步骤：

步骤1：获取待测失真图像，对待测失真图像进行图像块划分，得到M个失真图像块；

步骤2：依次提取步骤1获得的每个失真图像块的空间域自然场景统计特征、小波域自然场景统计特征、图像结构特征、图像颜色特征和图像对比度特征作为图像质量感知特征，将M个失真图像块的图像质量感知特征作为待测特征向量矩阵；

步骤3：对步骤2获得的待测特征向量矩阵采用基于视觉显著性的多元高斯分布模型进行拟合，获得待测视觉模型，所述待测视觉模型的均值满足式

Ⅰ，待测视觉模型的协方差矩阵满足式Ⅱ：

其中，ω_k表示第k个失真图像块中所有像素点显著值的平均值，ω_k∈[0,1]，表示第k个失真图像块的第1维图像质量感知特征，表示第k个失真图像块的第n维图像质量感知特征，表示失真图像块第p维图像质量感知特征x_p与第q维图像质量感知特征x_q的协方差值，p,q∈[1,n]，n为大于1的整数；

步骤4：采用标准视觉模型构建方法获得标准视觉模型，计算步骤3得到的待测视觉模型与标准视觉模型之间的马氏距离，计算出的马氏距离即为待测失真图像的客观质量分数；

所述的标准视觉模型构建方法包括如下子步骤：

步骤a：获得多张自然图像，对每张自然图像进行图像块划分得到多个图像块，从所有自然图像划分得到的图像块中筛选出满足锐度阈值的图像块，获得多个高锐度图像块；

步骤b：对步骤a获得的每个高锐度图像块依次提取空间域自然场景统计特征、小波域自然场景统计特征、图像结构特征、图像颜色特征和图像对比度特征作为图像质量感知特征，得到每个高锐度图像块的图像质量感知特征，将所有高锐度图像块的图像质量感知特征作为特征向量矩阵；

步骤c：对步骤b获得的特征向量矩阵采用多元高斯分布模型进行拟合，获得标准视觉模型。

2.如权利要求1所述的显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，所述锐度阈值T＝σ_max×τ，σ_max表示所有图像块中最大的锐度值，τ表示锐度阈值系数，τ∈(0，1)。

3.如权利要求1所述的显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，所述的空间域自然场景统计特征包括一阶空间自然场景统计特征和二阶空间自然场景统计特征，所述一阶空间自然场景统计特征采用非对称广义高斯分布参与拟合，所述二阶空间自然场景统计特征采用Kotz型分布参与拟合。

4.如权利要求1所述的显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，所述小波域自然场景统计特征包括一阶小波域自然场景统计特征和二阶小波域自然场景统计特征，所述一阶小波域自然场景统计特征采用广义高斯分布参与拟合，所述二阶小波域自然场景统计特征采用多元广义高斯分布或指数余弦函数参与拟合。

5.如权利要求1所述的显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，所述的图像颜色特征包括第一颜色特征、第二颜色特征和第三颜色特征，所述第一颜色特征为LAB色彩空间的颜色分量，所述第二颜色特征为RGB色彩空间的颜色分量，所述第三颜色特征为HIV色彩空间的颜色分量。

6.如权利要求1所述的显著性调制下多维视觉特征协作的全盲图像质量评价方法，其特征在于，所述图像块的显著度ω_k根据基于布尔映射的显著性模型获得。