[发明专利]基于改良自然场景统计模型的无参考图像质量评价方法

摘要

本发明公开了一种基于改良自然场景统计模型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.给定包含多种类型噪声图像的训练集，提取其中每幅噪声图像的特征；2.根据训练集中噪声图像的特征、噪声类型及主观质量值，采用支持向量机分别训练分类和回归模型；3.计算测试图像的特征；4.根据分类模型和测试图像的特征，计算测试图像属于各种噪声类型的概率；5.根据回归模型和测试图像的特征，计算测试图像属于各种噪声类型时的质量值；6.计算测试图像最终的质量值；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，可用于对自然图像、遥感图像的质量准确鉴别。

主权项

1.一种基于改良自然场景统计模型的无参考图像质量评价方法，包括：(1)给定一组包含K种噪声类型，每种噪声类型均包含L幅噪声图像的训练集其中表示第j种噪声类型的第i幅噪声图像，1≤i≤L，1≤j≤K；利用改良自然场景统计模型，即通过广义高斯分布来拟合训练集中的噪声图像和测试图像，并利用该模型的拟合参数和拟合误差同时提取训练集中噪声图像的特征(2)采用支持向量机SVM对训练集Ψ中噪声图像的特征及其相应的噪声类型编号j进行训练，得到分类模型(3)采用支持向量回归SVR对训练集Ψ中第j类噪声图像的特征及其相应的主观质量值进行训练，得到K个回归模型(4)计算测试图像U的特征(4a)对测试图像U进行归一化：其中，U(m,n)是测试图像U中坐标为(m,n)的像素值，是归一化后的测试图像中坐标为(m,n)的像素值，1≤m≤M，1≤n≤N，M、N分别表示测试图像U的行和列像素个数，ν和δ分别表示测试图像U的均值和方差：(4b)统计归一化后的测试图像的直方图ζ＝{c¹,c²,…,c^t,…,c^B}，其中c^t表示直方图ζ中的第t个值，1≤t≤B，B为直方图ζ中元素的个数；(4c)利用广义高斯分布拟合测试图像U的直方图ζ，得到拟合分布的尺度和形状参数χ和λ，并根据χ和λ计算拟合后的广义高斯分布直方图ρ＝{d1,d2,…,dt,…,dB}，其中dt表示直方图ρ中的第t个值；(4d)根据直方图ζ和ρ，计算测试图像U的真实分布和拟合的广义高斯分布之间的拟合误差τ：(4e)根据步骤(4c)和(4d)的结果，得到测试图像U的特征(5)根据分类模型和测试图像的特征采用支持向量机SVM计算测试图像属于第j种噪声类型的概率p_j；(6)根据第j个回归模型和测试图像的特征采用支持向量回归SVR计算测试图像属于第j种噪声类型时的质量值q_j；(7)根据上述概率pj和质量值qj，计算测试图像最终的质量值Q；(8)根据质量值Q对测试图像U的质量进行判断：若Q＝0，则表示该测试图像U没有被噪声污染；若0＜Q≤0.25，则表示该测试图像U被噪声轻度污染；若0.25＜Q≤0.75，则表示该测试图像U被噪声中度污染；若0.75＜Q≤1，则表示该测试图像U被噪声重度污染。