[发明专利]一种通用型无参考图像质量评价方法

摘要

本发明公开了一种通用型无参考图像质量评价方法，该方法通过对选定的一组高质量自然图像分块，对分块图像提取GLBP特征向量，将方法得出的特征向量矩阵按阈值分组，通过均值和协方差矩阵的计算，建立起标准的MVG模型；再用同样的方法对待测图像建立待测MVG模型。计算不同阈值参数下两个模型之间的距离，并且将多组的结果融合，最终得到待测图像的客观预测质量分数；本发明脱离了机器学习的步骤，达到了完全客观的全盲评价，并采用了不同阈值下，特征融合的方法，降低了GLBP内部特征之间的冗余和相关性。明显的提高了图像质量客观预测的精度。

主权项

1.一种通用型无参考图像质量评价方法，其特征在于，包括以下步骤：步骤1，选取N张高质量图像，将每张图像分为K1块，得到N×K1个图像块，在N×K1个图像块中选取m个质量达标的图像块；步骤2，选择n个阈值T＝{T1,T2,...,Ti,...,Tn}，i＝1,2，…，n；步骤21，取阈值T＝Ti，采用GLBP方法，提取质量达标的m个图像块中每个图像块的GLBP特征向量，得到特征矩阵；步骤22，计算特征矩阵的协方差和均值向量，得到标准MVG模型M1i；步骤3，将待评价的失真图像分为K2i块失真图像块；步骤31，取阈值T＝Ti，采用GLBP方法，提取K2i块失真图像块中每个图像块的GLBP特征向量，得到特征矩阵；步骤32，计算特征矩阵的协方差和均值向量，得到标准MVG模型M2i；步骤4，计算模型M1i和M2i之间的距离Di；步骤5，i＝i+1，重复步骤2至步骤4，直至i＝n，得到{Di|i＝1,2,...,n}，将{Di|i＝1,2,...,n}通过融合得到待评价的失真图像的分数D；步骤1中所述的在N×K1个图像块中选取m个质量达标的图像块，包括：步骤11，任选一张图像作为当前图像，设该当前图像中的K₁个图像块的清晰度集合为其中σ_max＝maxσ；步骤111，在K1个图像块中任选一个图像块作为当前图像块，设该当前图像块的清晰度为σj，若σj>r×σmax，则该当前图像块为质量达标的图像块，5％≤r≤95％；步骤112，重复步骤111，直至K1个图像块都被作为当前图像块，得到当前图像的质量达标图像块集合；步骤12，重复步骤11，直至所有图像都被作为当前图像，得到m个质量达标的图像块。