[发明专利]基于自然场景统计和感知质量传播的盲图像质量评价方法

摘要

本发明提供一种基于自然场景统计和感知质量传播的盲图像质量评价方法，对测试图像和大量无失真的自然图像计算专家场FoE梯度响应值，统计响应值直方图分布，计算两者分布的KL散度，得到测试图像的绝对失真程度。对测试图像和已标记的失真图像提取质量感知特征，并根据特征间的卡方距离，找到与测试图像最相似的N个标记图像。通过将这些标记图像的质量打分加权求和，可得到测试图像的相对失真程度。最后，通过把前两步预测打分组合到一起即可获得最终的预测图像质量分数。相比于现有的代表性无参考图像质量评价方法，该方法简单高效，并且无需大量人工标记样本。

主权项

基于自然场景统计和感知质量传播的盲图像质量评价方法，其特征在于，包括以下步骤：步骤1)自然场景统计：计算测试图像和所有无失真图像的专家场FoE梯度响应值，并分别统计得到测试图像的FoE梯度响应值直方图分布Pd以及第i个无失真图像的FoE响应值直方图分布Pu(i)，i＝1,2,…,K，K为无失真图像总数，计算测试图像与无失真图像的相对熵KL散度QNSS=Σi=1KPdlog2(PdPu(i));]]>步骤2)感知质量传播：1‑1：对测试图像提取图像纹理特征，全局梯度特征和基于下采样的边界强度特征；所述下采样的边界强度特征的提取方法为：对图像进行1/8下采样，下采样后图像每个点的边界强度值由其垂直和水平方向上梯度的最大值表示，再对所有点的边界强度值进行直方图统计，归一化后的直方图即为基于下采样的边界强度特征；1‑2：计算测试图像与已标记的失真图像的特征卡方距离D，所述已标记的失真图像为已通过人工标记的方式进行了图像质量打分的失真图像；其中Fiq和Fir分别表示测试图像的第i个特征向量、已标记的失真图像的第i个特征向量，i＝{1,2,3}分别对应图像纹理特征，全局梯度特征和基于下采样的边界强度特征；1‑3：根据特征卡方距离D从小到大的顺序选择前N个已标记失真图像；并根据这N个特征卡方距离D计算各自的权值wn，Dn表示测试图像与从小到大的顺序选择的第n个已标记的失真图像的特征卡方距离；1‑4：利用权值wn对N个已标记失真图像的图像质量分数DMOSn进行加权求和得到测试图像的预测分数QPQP，步骤3)设置相对熵KL散度QNSS以及预测分数QPQP的权重参数，参考相对熵KL散度QNSS以及预测分数QPQP得到最终的预测打分Q。