[发明专利]一种用于无参考图像质量评价的特征构建方法

摘要

本发明公开一种用于无参考图像质量评价的特征构建方法，该方法首先对进行预处理，得到均值对比度归一化图像即MSCN图像；然后在多个尺度下对MSCN图像及邻域MSCN乘积图像计算统计直方图；接着将所有直方图进行串行级联，形成一个串联直方图；以此串联直方图为特征，训练分类器得到预测模型，对测试图像进行质量评价。与现有技术相比，本发明保留了更多原始图像的统计信息，具有更好的泛化性能。

主权项

一种用于无参考图像质量评价的特征构建方法，其特征在于所述方法包括如下步骤：第一步，图像预处理，得到均值对比度归一化图像即MSCN图像；对于原图I(i，j),用下列公式进行预处理，从而得到均值对比度归一化的MSCN图像：I′(i,j)=I(i,j)-μ(i,j)σ(i,j)+C]]>其中，i,j是像素坐标，i∈1，2，...，M,j∈1，2，...，N；M,N分别是图像的长宽；C＝1防止分母为零；I′是MSCN图像；μ(i，j)和σ(i，j)通过如下公式获得：μ(i,j)=Σk=-KKΣl=-LLwk,lIk,l(i,j)]]>σ(i,j)=Σk=-KKΣl=-KLwk,l(Ik,l(i,j)-μ(i,j))2]]>其中w＝{wk，l|k＝‑K，...，K，l＝‑L，...，L}是二维高斯窗口；K＝L＝3；μ(i，j)是在窗口内的局部均值,σ(i，j)是窗口内的局部方差；第二步，计算MSCN图像与邻域MSCN图像的乘积图像：水平H，垂直V，正斜D1，反斜D2，乘积图像的公式如下：H(i，j)＝I′(i，j)I′(i，j+1)V(i，j)＝I′(i，j)I′(i+1，j)D1(i，j)＝I′(i，j)I′(i+1，j+1)D2(i，j)＝I′(i，j)I′(i+1，j‑1)连同MSCN图像I′(i，j)在内，共有五幅图像；另外，对原始图像的低分辨图像也做相同的前述步骤，一共得到十幅图像；第三步，统计MSCN图像以及H,V,D1,D2四个方向MSCN乘积图像的直方图；第四步，在多个尺度下重复执行第一步到第三步，并将所有直方图串行排列起来，形成串联直方图，作为图像质量评价的特征；MSCN图像的像素值绝大多数集中在[‑2,2]，邻域乘积图像像素值绝大多数集中在[‑1,1]，将这两个区间等分成40个子区间，然后在这两个区间上计算前述十幅图像的分布直方图，则每个分布直方图都相当于一个40维向量，在串联了10个分布直方图后，总共提取了400维向量，作为反映自然图像统计特性的串联直方图特征；所述方法用于无参考图像质量评价时，对训练图像库中的图像提取串联直方图特征，与主观分值一起放入分类器中进行训练，得到预测模型；对测试图像计算图像串联直方图特征，用训练好的分类器进行评价。