[发明专利]用于图像质量评价的视觉能量信息提取方法

摘要

本发明公开了一种用于图像质量评价的视觉能量信息提取方法。本发明具体实施包括如下步骤：1.构建一组二维Gabor滤波器，并利用其对输入的参考图像和失真图像进行卷积处理，以分别提取参考图像和失真图像的图像特征信息；2.通过分裂归一化变换对提取的参考图像和失真图像的图像特征信息进行后处理；3.基于分裂归一化变换处理后的图像特征信息，分别提取参考图像和失真图像的视觉能量信息，作为评价图像视觉质量的基准。本发明高效地仿真了人类视觉系统的视觉皮质响应和前处理机制，实现了视觉能量信息的提取，且基于本发明所提出方法的图像质量客观评价与主观评价具有很好的一致性。

主权项

1.用于图像质量评价的视觉能量信息提取方法，其特征在于包括以下步骤：步骤(1).输入参考图像I_R和失真图像I_D；步骤(2).建立一组二维Gabor小波滤波器：(1)其中，s代表尺度大小，i为正整数，为旋转方向，f_max为最高频率，B_f为频率带宽，ΔU为信号函数f(x,y)傅里叶变换形式F(U,V)相对于U轴的有效宽度，ω₀=arctan(U/V)表示其角度；步骤(3).利用步骤(2)所建立的二维Gabor小波滤波器对参考图像I_R(x,y)和失真图像I_D(x,y)进行卷积计算，分别得到参考图像I_R和失真图像I_D在二维Gabor小波域各个尺度和各个方向上的特征信息；记Qⁱ_θ(x,y:R)和Qⁱ_θ(x,y:D)分别为参考图像I_R和失真图像I_D的在i尺度和方向上的特征信息：(2)(3)其中，Re_Qⁱ_θ(x,y)和Im_Qⁱ_θ(x,y)分别表示特征信息的实部与虚部；步骤(4).构建局部增益分裂归一化的模型来模仿人类视觉系统的前处理机制；采用分裂归一化变换(DivisiveNormalizationTransform,DNT)对步骤(3)所提取的图像特征信息Qⁱ_θ(x,y:R)和Qⁱ_θ(x,y:D)进行非线性变化，以降低其中的一阶或高阶相关度；DNT的简化数学模型如下：(4)其中，w表示图像特征信息经过Gabor小波变换后的系数；表示图像特征信息经DNT后的系数；p表示局部增益控制因子，它是由在空间、方向、尺度上都与w系数相邻的一组系数计算得到的；本发明利用高斯尺度混合（GuassianScaleMixture）模型来局部增益控制因子p；通过采样Gabor小波系数w在不同空间、尺度和方向上相关的小波系数w'来组成向量Y，运用贝叶斯理论，可以得到：(5)其中，z是一随机变量，z变量的概率分布为p_z(z)；进而，利用最大值估计，得到(6)其中，为局部增益控制因子p的估计值，U是一个均值为0的正态高斯分布且满足，Σ为正态高斯分布U的协方差；协方差Σ可以由公式（7）计算得到：(7)其中，M为个每个小波子带中小波系数的个数，而且这M个小波系数总共对应了M个向量Y_i；步骤(5).利用步骤(4)构建的局部增益分裂归一化的模型对步骤(3)提取的参考图像I_R和失真图像I_D在二维Gabor小波域的特征信息Qⁱ_θ(x,y:R)和Qⁱ_θ(x,y:D)进行后处理，处理后的视觉特征记为DNTQⁱ_θ(x,y:R)和DNTQⁱ_θ(x,y:D)，分别为DNT处理后参考图像I_R和失真图像I_D在i尺度和方向上的视觉特征信息：(8)(9)其中，Re_DNTQⁱ_θ(x,y)和Im_DNTQⁱ_θ(x,y)分别表示DNT处理后特征信息的实部与虚部；步骤(6).基于步骤(5)所得到的DNT处理后参考图像I_R和失真图像I_D的视觉特征信息，分别构建参考图像I_R和失真图像I_D的视觉能量信息(VisualEnergyInformation,VEI)，作为评价图像视觉质量的基准；记VEiⁱ_θ(x,y:R)和VEiⁱ_θ(x,y:D)分别为参考图像I_R和失真图像I_D在i尺度和方向上的视觉能量信息：(10)(11)。