[发明专利]基于相似性特征融合的全参考型图像质量评价方法

摘要

本发明公开的基于相似性特征融合的全参考型图像质量评价方法，首先对数据库中的原图像和失真图像进行特征提取，分别提取纹理特征，相位角特征，梯度特征和彩度特征；其次结合主观MOS值，使用粒子群优化算法寻找支持向量机回归模型的最优参数；然后通过训练，建立支持向量回归模型；最后输入待检测图像，对图像质量进行评价。本发明基于相似性特征融合的全参考型图像质量评价方法采用了四种不同的相似性特征，使用支持向量机建立回归模型，实现了对全参考型图像质量进行客观评价，能够与人眼视觉特性保持较高的一致性。

主权项

基于相似性特征融合的全参考型图像质量评价方法，其特征在于，具体按照以下步骤实施：步骤1、对数据库中的参考图像和失真图像提取纹理特征，计算其纹理特征相似性；步骤2、待步骤1完成后，先分别计算参考图像和失真图像的加权平均相位角，再计算加权平均相位角之间的相似性；步骤3、待步骤2完成后，先提取参考图像和失真图像的边缘特征，得到梯度图像，再计算失真图像与参考图像分别对应的梯度图像之间的相似性；步骤4、待步骤3完成后，将参考图像和失真图像由RGB颜色空间转换到YIQ空间中，使得颜色信息与亮度信息分离；分别计算参考图像和失真图像之间的I通道和Q通道的相似性，经融合得到彩度相似性；步骤5、先将经步骤1、步骤2、步骤3及步骤4得到的四个相似性特征作为支持向量机回归模型的输入值，将MOS值作为输出值，使用粒子群优化算法寻找支持向量机回归模型的最优参数；再进行训练，得到支持向量回归模型，最终完成对图像质量进行评价。