[发明专利]一种基于视觉多重特征深度融合处理的全参考图像质量客观评价方法

摘要

本发明公开了一种基于视觉多重特征深度融合处理的全参考图像质量客观评价方法，包括对基于视觉多通道的显著梯度特征进行更深一层的信息处理，通过设计视觉多通道梯度‑直方图和视觉多通道梯度‑奇异值互补评价算法来挖掘多重视觉梯度信息进行失真图像质量的深度评价，并对各重评价结果进行了深度融合处理。首先，通过构建BP神经网络视觉多通道图像质量融合评价模型对各重视觉信息的多通道评价结果分别进行了初次融合，然后，设计回归算法对各重视觉特征的初次融合评价从内层到外层逐层地进行了深度融合，最终获得失真图像质量的多重视觉特征深度融合处理评价结果。该方法解决了现有评价方法评价不稳定问题和缺乏主观性问题。

主权项

1.一种基于视觉多重特征深度融合处理的全参考图像质量客观评价方法，其特征在于，包括：步骤1，选取一个图像质量数据库，对其中包含的参考图像和失真图像进行预处理得到相应的图像灰度矩阵；步骤2，将失真图像分为训练集和测试集，并计算测试集中所有失真图像灰度矩阵的梯度特征评价结果；步骤3，提取所有参考图像灰度矩阵和失真图像灰度矩阵的视觉多通道梯度特征信息视图，并计算所有失真图像灰度矩阵的视觉通道梯度特征评价；步骤4，设计视觉多通道梯度特征‑直方图误差深度信息处理评价算法，并计算所有失真图像质量的视觉多通道梯度‑直方图深度信息评价；步骤5，设计视觉多通道梯度特征‑奇异值分解误差深度信息处理评价算法，并计算所有失真图像质量的视觉多通道梯度‑奇异值深度信息评价；步骤6，构建BP神经网络视觉多通道图像质量融合评价模型；步骤7，利用训练集中所有失真图像灰度矩阵的视觉通道梯度特征评价对构建的BP神经网络视觉多通道图像质量融合评价模型进行训练后，将测试集中的失真图像灰度矩阵的视觉通道梯度特征评价输入到训练好的BP神经网络视觉多通道图像质量融合评价模型进行预测，输出失真图像质量的视觉多通道梯度特征融合评价结果，并对该结果进行偏置处理；步骤8，利用训练集中所有失真图像质量的视觉多通道梯度‑直方图深度信息评价对构建的BP神经网络视觉多通道图像质量融合评价模型进行训练后，将测试集中的失真图像质量的视觉多通道梯度‑直方图深度信息评价输入到训练好的BP神经网络视觉多通道图像质量融合评价模型进行预测，输出失真图像质量的视觉多通道梯度‑直方图深度信息融合评价结果，并对该结果进行偏置处理；步骤9，利用训练集中所有失真图像质量的视觉多通道梯度‑奇异值深度信息评价对构建的BP神经网络视觉多通道图像质量融合评价模型进行训练后，将测试集中的失真图像质量的视觉多通道梯度‑奇异值深度信息评价输入到训练好的BP神经网络视觉多通道图像质量融合评价模型进行预测，输出失真图像质量的视觉多通道梯度‑奇异值深度信息融合评价结果，并对该结果进行偏置处理；步骤10，对步骤2、步骤7、步骤8以及步骤9所得结果进行融合，获得失真图像质量的视觉多重特征深度融合处理评价结果。