[发明专利]基于特征字典的无参考图像质量评价方法

摘要

本发明公开了一种基于特征字典的无参考图像质量评价方法，主要解决计算机对噪声图像的评价与人眼感知不符的问题。其实现步骤是：1.随机选择60幅自然图像，计算所有图像中每个像素的局部模式；2.采用加权K‑means方法对所得局部模式聚类，并由聚类中心构成特征字典；3.基于特征字典提取训练样本集中每幅训练图像的特征；4.根据训练图像的特征和相应的主观质量值，通过支持向量回归训练回归模型；5.基于特征字典提取测试图像的特征；6.将测试图像的特征输入上述回归模型，预测图像质量；7.根据质量值得出测试图像的质量评价。本发明的评价结果与人眼感知一致，可用于鉴别自然图像、遥感图像等的质量，衡量成像设备的性能等。

主权项

1.一种基于特征字典的无参考图像质量评价方法，包括如下步骤：(1)随机选择60幅自然图像，通过下式计算所有图像中每个像素的局部模式：其中，p_m,n表示第m幅图像I_m中第n个像素的局部模式，1≤m≤60，1≤n≤N_m，N_m是图像I_m中的像素个数，v是以像素为中心的5×5邻域像素的编号，1≤v≤24，表示像素与其第v个邻域像素的灰度值比较结果：(2)通过加权K‑means方法对所得局部模式进行聚类，用所有聚类中心构建特征字典(3)给定包含L幅噪声图像的训练样本集计算第j幅训练图像的局部模式，并投影到特征字典上得到训练图像的特征y_j，1≤j≤L：(3a)计算训练样本集Ψ中第j幅训练图像的第l个像素的局部模式q_j,l：其中，1≤l≤M_j，M_j表示训练图像的像素个数，1≤j≤L，L是训练样本集中训练图像的个数，w是以像素为中心的5×5邻域像素的编号，1≤w≤24，表示像素与其第w个邻域像素的灰度值比较结果：(3b)根据局部模式q_j,l和特征字典中所有基元d_i的欧式距离，计算距离q_j,l最近的基元索引γ_j,l：其中，1≤i≤K，表示计算二范数操作；(3c)对于训练图像计算其局部模式对应的所有基元索引中第i个基元出现的频率h_i,j：其中，(3d)组合每个基元出现的频率，得到训练样本集中第j幅训练图像的特征y_j：y_j＝[h_1,j,h_2,j,Lh_K,j]；(4)采用支持向量回归SVR方法对训练样本集Ψ中所有训练图像的特征y_j及其对应的主观质量值进行训练，得到回归模型(5)对于测试图像计算其所有像素的局部模式，并将这些局部模式投影到特征字典上得到测试图像的特征u；(6)根据回归模型和测试图像的特征u，使用支持向量回归SVR方法预测出测试图像的质量值Q；(7)根据质量值Q对待测试图像的质量进行判断：若Q＝0，则表示该测试图像没有被噪声污染；若0＜Q≤0.25，则表示该测试图像被噪声轻度污染；若0.25＜Q≤0.75，则表示该测试图像被噪声中度污染；若0.75＜Q≤1，则表示该测试图像被噪声重度污染。