[发明专利]一种基于神经网络学习融合的全参考图像质量客观评价方法

摘要

本发明公开了一种全参考图像质量客观评价方法，包括以下步骤：将BP神经网络用于图像质量评价，通过设计视觉多通道多算法自适应融合的BP神经网络图像质量预测模型，将失真图像基于各种客观评价算法的视觉多通道评价结果输入BP神经网络，以人眼主观测试结果分值作为训练目标，对BP神经网络进行有监督的学习训练，然后预测输出各种客观评价算法的客观评价结果，并将各种算法的客观评价结果进行自适应融合，获得失真图像质量的最终客观评价。本发明方法全面提高了PSNR、SSIM和SVD评价方法的各项指标水平，超过了最近的视觉特征感知处理与视觉心理推导融合类评价方法，且具有更好的评价稳定性。

主权项

1.一种基于神经网络学习融合的全参考图像质量客观评价方法，其特征在于，包括以下步骤：(1)将失真图像随机划分为训练集和测试集两个数据库；(2)对所有参考图像和所有失真图像分别进行预处理，得到相应的图像灰度矩阵；(3)采用小波变换方法对失真图像和参考图像的图像灰度矩阵进行处理，获得失真图像和参考图像的视觉多通道信息；(4)对失真图像和参考图像的每个视觉通道信息进行感知稀疏化处理；(5)基于参考图像每个视觉通道稀疏化后的信息，利用图像质量客观评价算法对失真图像对应视觉通道稀疏化后的信息进行全参考质量评价，获得失真图像质量的视觉多通道客观评价结果；(6)构建BP神经网络训练模型，利用训练集数据库中失真图像质量的视觉多通道客观评价结果对模型进行学习训练，保存训练结果的权重和阈值参数；(7)根据BP神经网络训练结果的权重和阈值参数，构建响应的BP神经网络预测模型，以测试集数据库中每帧失真图像质量的视觉多通道客观评价结果作为BP神经网络预测模型的测试输入，以BP神经网络预测模型的预测输出作为所选图像质量客观算法对于对应失真图像质量的融合评价结果，并对该结果进行偏置处理；(8)更换不同的图像质量客观评价算法，重复步骤(5)～步骤(7)，获得测试集数据中所有失真图像质量基于不同客观评价算法的融合评价结果；(9)依次将测试集数据库中每帧失真图像质量基于不同客观评价算法的融合评价结果进行自适应融合，获得每帧失真图像质量的最终客观评价。