[发明专利]基于多重曲率张量稀疏分解的无参考图像清晰度评价方法

权利要求书

1.一种基于多重曲率张量稀疏分解的无参考图像清晰度评价方法，其特征在于，包括以下步骤：

(1)输入彩色失真图像，并转换成灰度图像I。

(2)计算一阶梯度：用水平梯度算子G_X和垂直梯度算子G_Y分别对步骤(1)得到的灰度图像I进行卷积，得到水平梯度图像I_X和垂直梯度图像I_Y。

(3)计算二阶梯度：分别采用水平梯度算子G_X对水平梯度图像I_X进行卷积，垂直梯度算子G_Y对水平梯度图像I_X进行卷积，和垂直梯度算子G_Y对垂直梯度图像I_Y进行卷积，得到二阶水平梯度图像I_XX、二阶对角梯度图像I_XY和二阶垂直梯度图像I_YY。

(4)计算多重曲率Z₁～Z₈：根据步骤(2)～(3)得到的水平梯度图像I_X、垂直梯度图像I_Y、二阶水平梯度图像I_XX、二阶对角梯度图像I_XY和二阶垂直梯度图像I_YY，计算得到一般曲率Z₁、高斯曲率Z₂、极大曲率Z₃、极小曲率Z₄、最大正曲率Z₅、最小负曲率Z₆、倾向曲率Z₇和走向曲率Z₈等。

(5)将步骤(4)得到的多重曲率Z₁～Z₈组成大小为W×H×8的曲率张量；其中，W和H为灰度图像I的宽度和高度；将其划分成多个P×P×8的曲率张量块，从中取K个组成曲率张量集χ＝{X₁,X₂,...,X_K}；

(6)对步骤(5)得到的曲率张量集χ进行张量字典学习，得到张量字典集D；

(7)对待评价图像依次执行步骤(1)～(5)，得到待评价灰度图像I_x和M个大小为P×P×8待评价图像曲率张量块；并将待评价图像曲率张量块基于步骤(6)得到的张量字典集D进行稀疏张量分解，得到稀疏系数向量；

(8)对步骤(7)得到的第m个待评价图像曲率张量块的稀疏系数向量ω_m进行规范化处理得到规范化稀疏系数向量τ_m，公式如下：

其中，τ_m,l为规范化稀疏系数向量τ_m的第l个元素，1≤m≤M，1≤l≤L；L为稀疏系数向量ω_m中元素的个数；ω_m,l为稀疏系数向量ω_m的第l个元素；μ_m和σ_m为稀疏系数向量ω_m的均值和方差；

(9)根据步骤(8)得到的规范化稀疏系数向量τ_m计算待评价图像的规范化稀疏系数能量E，公式如下：

其中，E_m为第m个待评价图像曲率张量块的规范化稀疏系数能量；

(10)计算待评价图像的客观清晰度评价结果C，公式如下：

其中，ψ为待评价灰度图像I_x的方差。

2.根据权利要求1所述基于多重曲率张量稀疏分解的无参考图像清晰度评价方法，其特征在于，所述步骤(2)中，所述水平梯度算子所述垂直梯度算子

3.根据权利要求1所述基于多重曲率张量稀疏分解的无参考图像清晰度评价方法，其特征在于，所述步骤(4)中，所述多重曲率Z₁～Z₈通过下式计算得到：

其中，T＝I_XY；U＝I_X；V＝I_Y。