[发明专利]一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法

摘要

一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法。本发明公开了一种模拟视觉主观感知的压缩感知重建算法质量评价方法，包括：首先借助神经网络学习人眼视觉多通道对不同失真类型、不同失真程度图像在不同图像质量客观评价算法上的表现特性，将不同客观算法的视觉多通道评价结果转换为更符合人眼视觉特性的主观测试分值，并将神经网络的这种学习转换能力用于评价不同压缩感知重建算法的质量；其次，设计重建图像质量指标和重建图像稳定性指标来评价压缩感知重建算法的质量性能；最后，针对图像的不同观测率、不同失真类型、不同失真程度和不同客观评价算法等具体应用场景，设计了响应的主观感知评价算法及其融合算法。本发明针对具体应用场景，对各种压缩感知重建算法质量的评价结果更合理全面。

主权项

1.一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法，包括以下步骤：(1)选择一个图像数据库，将该图像数据库中所有彩色图像转换为灰度图像，在该图像数据库中选择一种图像失真类型；(2)将当前所选图像失真类型中包含的所有灰度图像分成训练集和测试集；(3)利用小波变换方法分别提取训练集和测试集中所有灰度图像的视觉多通道信息视图，选择一种现有图像质量客观评价算法；(4)利用当前图像质量客观评价算法对训练集和测试集中所有灰度图像的各个视觉多通道信息视图进行全参考质量评价；(5)构建BP神经网络训练模型，对训练集中所有失真图像的视觉多通道信息视图的全参考质量评价结果进行学习训练，获得BP神经网络权重和阈值参数；(6)基于所获BP神经网络权重和阈值参数构建BP神经网络预测模型，并利用该BP神经网络预测模型对测试集中所有失真图像的视觉多通道信息视图的全参考质量评价结果进行预测，获得测试集中所有失真图像基于所选图像质量客观评价算法模拟主观感知的评价结果；(7)测试步骤(6)所得评价结果的各性能评价指标水平，并对各性能评价指标水平进行融合，获得所选图像质量客观评价算法模拟主观感知的权重系数；(8)选择所有待比较的压缩感知重建算法，设定一个观测率；(9)在当前观测率下，运行所有待比较的压缩感知重建算法对训练集和测试集中的所有失真图像进行计算，获得所有失真图像基于不同压缩感知重建算法的重建图像；(10)利用步骤(3)所用的小波变换方法提取所有重建图像的视觉多通道信息视图；(11)利用步骤(4)所用的图像质量客观评价算法对步骤(10)获得的所有视觉多通道信息视图进行全参考质量评价；(12)利用步骤(6)获得的BP神经网络预测模型对步骤(11)的全参考质量评价进行预测，获得基于各个压缩感知重建算法的所有重建图像质量模拟主观感知的评价结果，并对该评价结果进行正相关处理；(13)基于步骤(12)所得正相关处理结果，定义重建图像质量指标和重建图像稳定性指标，并计算各个压缩感知重建算法的重建图像质量指标水平和重建图像稳定性指标水平；(14)分别对各个压缩感知重建算法的重建图像质量指标水平和重建图像稳定性指标水平进行融合，获得各个压缩感知重建算法基于选定观测率下重建图像质量的主观感知评价；(15)改变不同的观测率，重复步骤(9)～步骤(14)获得各个压缩感知重建算法基于不同观测率下重建图像质量的主观感知评价；(16)对步骤(14)的主观感知评价结果和对步骤(15)的主观感知评价结果进行融合，获得各个压缩感知重建算法基于观测率敏感性的主观感知评价；(17)改变不同的图像质量客观评价算法，重复步骤(4)～步骤(14)，获得各个压缩感知重建算法重建图像质量基于不同图像质量客观评价算法的主观感知评价；(18)将各个压缩感知重建算法重建图像质量基于不同图像质量客观评价算法的主观感知评价结果进行融合，获得各个压缩感知重建算法基于客观评价算法敏感性的主观感知评价；(19)改变不同的图像失真类型，重复步骤(2)～步骤(14)，获得各个压缩感知重建算法基于不同失真类型下重建图像质量的主观感知评价；(20)将各个压缩感知重建算法重建图像质量基于不同图像失真类型的主观感知评价结果进行融合，获得各个压缩感知重建算法基于图像失真类型敏感性的主观感知评价；(21)选取不同的失真程度区间，重复步骤(2)～步骤(14)，获得各个压缩感知重建算法基于不同失真程度区间下重建图像质量的主观感知评价，(22)对各个压缩感知重建算法重建图像质量基于不同失真程度区间的主观感知评价结果进行融合，获得各个压缩感知重建算法基于失真程度敏感性的主观感知评价；(23)对步骤(16)、步骤(18)、步骤(20)和步骤(22)所得结果进行融合，获得各个压缩感知重建算法重建图像质量模拟主观感知的统计评价结果。