[发明专利]基于多尺度自然场景统计建立的无参考图像质量感知方法

摘要

本发明公开了一种基于多尺度分析法建立的新无参考图像质量感知方法。该方法能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得，利用深度图像绘制技术造成几何失真破坏自然图像自相似特性，并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量感知方法。根据利用主流数据库来对方法进行性能测试的结果，本发明的性能和现有的评估方法相比有较大优势。值得注意的是，由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究，本发明填补了这方面的空白，为将来无参考图像质量感知算法的提高开辟了一个方向。

主权项

基于多尺度自然场景统计分析法无参考图像质量感知方法，其特征在于包括以下步骤：第一步、通过双边插值技术将Yi图像进行升采样达到与Y1相匹配的尺寸，得到近似参考图像第二步、计算相似度第三步、计算图像每一个像素点各尺度相似度融合结果第四步、为了消除升采样引入的模糊失真，通过设置阈值τ，计算出第五步、计算出基于统计方法一质量感知分数第六步、计算主结构退化向量mY；第七步、计算出基于统计方法二质量感知分数第八步、最后融合得到多尺度自然场景统计分析法评估分数；第一步中：通过双边插值技术将Yi图像进行升采样达到与Y1相匹配的尺寸，得到近似参考图像其中Y1为原尺寸基于深度图像绘制技术合成的图像，Yi为Y1按比例缩小的图像，随i增大依次缩小2倍，由实验得出i＝{1,2,3,4,5}，为升采样近似参考图像；第二步中：计算相似度方法如下：Similarityj(y1j,y^ij)=2y1j.y^ijy1j2+y^ij2+Δ]]>其中y1j为Y1图像位置j的像素点和为图像位置j的像素点，Δ为一正数，防止分母为零造成溢出；第三步中：计算图像每一个像素点各尺度相似度融合结果方法如下：S‾imilarityj=Πi=1N[Similarityj(y1j,y^ij)]θi]]>其中N为尺度数，N由第一步知为5，j指图像中像素点的索引，{θ1θ2θ3θ4θ5}根据心理学实验获得为{0.0448,0.2856,0.3001,0.2363,0.1333}；第四步中：为了消除升采样引入的模糊失真，提取出几何失真区域，通过设置阈值τ，计算出方法如下：S~imilarityj=1,ifS~imilarityj<τ0,otherwise]]>其中阈值τ设置为0.1；通过此公式提取出几何失真区域，由第三步求得；第五步中：计算出基于统计方法一质量感知分数方法如下：Quality1=1LΣj=1LS~imilarityj]]>其中L为图像像素总量，由第四步求得；第六步中：计算主结构退化向量mY，方法如下：mY(u)=Σv=1VMU(v)⊕Mu(v)]]>其中u表示尺度；U＝5表示5个尺度；Mu代表第u个尺度主结构的值；v代表Mu的像素索引；V等于图像总像素数；每一个像素的取值为1或0，分别表示有无主结构；第七步中：计算出基于统计方法二质量感知分数方法如下：Quality2(Y)=1UΣu=1U(2mY(u)·mp(u)+ϵmY(u)2+mp(u)2+ϵ)θu]]>其中{θ1,θ2,θ3,θ4,θ5}同样根据心理学实验获得为{0.0448,0.2856,0.3001,0.2363,0.1333}，U＝5表示5个尺度，mp＝{1,0.9919,0.9520,0.8108,0}，ε为一正数，防止分母为零造成溢出；第八步中：最后融合得到多尺度自然场景统计分析法评估分数，方法如下：QMNSS=Quality1Φ·Quality2]]>其中Φ为固定正权重系数，取值范围为10‑100；和由第五步和第七步求得。