[发明专利]一种基于先验感知质量特征图的无参考图像质量客观评价方法

摘要

本发明公开了一种基于先验感知质量特征图的无参考图像质量客观评价方法，本发明通过待评价图像先由全卷积网络生成感知质量特征图，再由深度网络对感知质量特征图进行池化得到主观分数的方法，实现图像的无参考质量评价。由全参考图像质量评价方法生成的感知质量特征图做为标签训练基于U‑net的相似质量图生成全卷积网络，由主观评价分数作为标签训练感知质量特征图质量分数池化网络，失真图通过训练好的质量特征图生成全卷积网络和质量分数池化网络生成质量特征图和质量评价分数。本发明在得到失真图像质量分数的同时，还可以得到一张反映失真区域及程度的感知质量特征图，能更好的反应失真图像的失真程度和失真信息。

主权项

1.一种基于先验感知质量特征图的无参考图像质量客观评价方法，其特征在于：该方法包括以下步骤，步骤1，生成先验感知质量特征图像库；选取失真图像数据库，由每一张失真图像和其参考图像运用全参考图像质量评价方法FSIM生成失真梯度信息图FSIMg，由所有失真图像的FSIMg作为先验感知质量特征图像库；步骤2，训练感知质量特征图生成网络；由失真图像数据库中的失真图像和生成的感知质量特征图像库作为训练数据，训练一个基于U-Net的全卷积感知质量特征图生成网络；所述感知质量特征图生成网络是一种基于U-Net结构的全卷积网络，感知质量特征图生成网络的输入为一张三通道的彩色图；感知质量特征图生成网络的输出为一张与输入等大的灰度图；步骤3，训练分数池化网络；由感知质量特征图生成网络的输出图作为训练分数池化网络的输入，图像主观失真分数作为标签，训练分数池化网络；所述分数池化网络由五层卷积层和两层全连接层组成，分数池化网络的输入为一大小为144×144的单通道图像，分数池化网络的输出为一0到100间的分数；步骤4，对待预测失真图像进行无参考质量客观评价；将待预测失真图像输入预测网络，得到相感知质量特征图和预测主观评价分数。