[发明专利]图像质量分数分布的预测方法、系统、终端及介质

说明书

本发明公开一种图像质量分数分布的预测方法、系统、终端及介质，其中方法包括：提取图像的自然场景统计特征；利用提取的所述自然场景统计特征通过训练四个不同的支持向量机；采用训练得到的所述支持向量机来预测图像质量分数分布的四个参数，最终得到基于Alpha稳定模型的图像质量分数分布。本发明第一次提出使用Alpha稳定模型来描述图像质量得分的分布，其所表达出的信息要比图像的MOS更丰富，通过提取图像的自然场景统计特征，并利用支持向量机回归，可有效地预测图像的质量分数分布。

技术领域

本发明涉及图像质量评价领域，具体地，涉及一种图像质量分数分布的预测方法、系统、终端及介质。

背景技术

图像质量评价是图像处理中最具挑战性的任务之一，可分为主观图像质量评价和客观图像质量评价。图像质量评价是指观察者通过观察来评价图像质量，图像质量一般用MOS来描述。客观图像质量评价包括全参考方法、半参考方法和无参考方法。无参考图像质量评价是指使用算法进行图像质量预测，在这个过程中只需要失真的图像。因此，图像质量评价在实际应用中的应用更为广泛，其最主要的任务是从失真图像中提取图像的质量特征。

可以发现在以往的文章中，MOS被广泛用于描述图像质量。但是，我们注意到图像的质量是高度主观的，并且给定的图像可能被不同的观察者给出不同的质量分数。因此，我们不得不承认，一个图像的MOS能够表达的信息是非常有限的。一些研究员试图通过预测图像质量分数直方图代替MOS来描述图像的质量。例如，Zhang等人预测了图像的美学质量分数直方图(《Xiaowei Zhang,Fei Gao,Di Huang,Min Tan,and Jun Yu,“Photo aestheticquality assessment via label distribution learning,”IEEE InternationalConference on Systems,Man,and Cybernetics,2016,pp.1467–1470.》)。Liu等人通过假设主观质量分数服从高斯分布来预测图像质量直方图(《Anan Liu,Jingting Wang,JingLiu,and Yuting Su,“Comprehensive image quality assessment via predict-ing thedistribution of opinion score,”Multimedia Tools and Applications,vol.78,no.17,pp.1–18,2018.》)。我们观察到，仅仅用高斯分布来描述图像质量分布是不够的，因为并非所有的图像质量分布都遵循高斯分布。作为一种更普遍的分布形式，具有四个参数的Alpha稳定模型可以更好地描述图像质量分布，因为它可以显示图像质量分布中可能存在的一些统计特征，如重尾、峰度和偏度。

发明内容

针对现有技术的不足，本发明的目的是提出一种图像质量分数分布的预测方法、系统、终端及介质，使用Alpha稳定模型来描述图像质量分布，可以有效地运用于评价图像的质量。

本发明的第一目的，提供一种图像质量分数分布的预测方法，包括：

提取图像的自然场景统计特征；

利用提取的所述自然场景统计特征通过训练四个不同的支持向量机；

采用训练得到的所述支持向量机来预测Alpha稳定模型的四个参数，最终得到基于Alpha稳定模型的图像质量分数分布。

可选地，所述方法还包括：主观质量评价实验，包括：

从数据库中随机选取多张图像，内容包含多种不同失真类型，对于每种失真类型的图像失真程度也不同；

通过质量评价网页，采取单刺激连续质量评价方法(SSCQE)来显示图像和收集观察者对上述图像进行质量评价给出的得分，得到每张图像的质量分数分布。

可选地，通过最大似然估计来对实验中每张图像的质量分数分布与Alpha稳定模型进行拟合，得到图像质量得分分布的经验概率密度函数。