[发明专利]一种基于Contourlet变换和Frobenius范数半参考图像质量评价方法

摘要

Contourlet变换具有多分辨率、多尺度、多方向和各向异性等性质，其少量系数即可有效地捕捉图像中的边缘轮廓，本发明基于Contourlet变换提出了一种的半参考图像质量评价算法。首先对参考图像和待评价图像分别进行3尺度4级Contourlet分解，其次对每一子带进行奇异值分解，并使用Frobenius范数计算能量，得到每一尺度上的能量特征向量，最后计算参考图像和待评价图像3个尺度上能量特征向量之间的夹角并加权求和，最终得到待评价图像质量得分。在3个公开数据库上的大量实验结果表明，本发明算法性能优越，与人类视觉系统具有较高的一致性。

主权项

一种基于Contourlet变换提出了一种的半参考图像质量评价算法。首先对参考图像和待评价图像分别进行3尺度4级Contourlet分解，其次对每一子带进行奇异值分解，并使用Frobenius范数计算能量，得到每一尺度上的能量特征向量，最后计算参考图像和待评价图像3个尺度上能量特征向量之间的夹角并加权求和，最终得到待评价图像质量得分，过程如下：步骤1，分别对待评价失真图像和对应的参考图像进行3层4级Contourlet分解，分别得到图像每层的16个不同方向子带图像；步骤2，根据公式：$\mathrm{Eng}={\left|\right|A\left|\right|}_F=\left|\right|U*S*V^T{\left|\right|}_F={\left|\right|S\left|\right|}_F=\sqrt{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{\mathrm{\σ}}_i^2}$和Eng_vector(k)＝Eng(k),k＝1,2,…,16分别计算失真图像和参考图像的每层的能量特征向量Eng_vector(k)；步骤3，根据公式：$\mathrm{\θ}=\arccos \frac{\mathrm{dot}({\mathrm{Eng}}_{\mathrm{vector}}X,{\mathrm{Eng}}_{\mathrm{vector}}Y)}{\sqrt{\mathrm{dot}({\mathrm{Eng}}_{\mathrm{vector}}X,{\mathrm{Eng}}_{\mathrm{vector}}X)*\sqrt{\mathrm{dot}({\mathrm{Eng}}_{\mathrm{vector}}Y,{\mathrm{Eng}}_{\mathrm{vector}}Y)}}}$分别计算失真图像和参考图像每层能量特征向量之间的夹角θ₁、θ₂和θ₃；步骤4，令w₁、w₂和w₃分别为0.7、0.2和0.1，根据公式：QENG＝w₁*θ₁+w₂*θ₂+w₃*θ₃计算图像质量值QENG。