[发明专利]联合多种边缘检测算子的无参考质量评价算法

摘要

本发明涉及一种联合多种边缘检测算子的无参考质量评价算法，利用联合熵和链式法则定义条件熵，包括以下步骤：选取用于训练和测试的图像；计算图像的梯度、相对梯度和高斯拉普拉斯算子(LoG)；提取的图像特征，包括：相对梯度方向RO的标准差、梯度和LoG之间的条件熵H(GM|L)、H(L|GM))、相对梯度和LoG之间的条件熵H(GM|L)‑H(RM|L)、H(L|GM)‑H(L|RM))共5维特征；根据人眼视觉系统特性中的多尺度性，采用下采样方法，再提取缩小后图像的上述的5维特征，最终得到10维特征向量；用AdaBoost神经网络进行回归以预测图像质量分数。

主权项

1.一种联合多种边缘检测算子的无参考质量评价算法，利用联合熵和链式法则定义条件熵：H(Y|X)＝H(X,Y)‑H(X)   (3)其中，p(x)是随机变量X的概率密度函数，pXY(x,y)是两个随机变量X和Y的联合概率密度函数，H(X,Y)是X和Y的联合熵，H(Y|X)是X和Y的条件熵。此无参考质量评价算法包括以下步骤：1)选取用于训练和测试的图像；2)计算图像的梯度、相对梯度和高斯拉普拉斯算子(LoG)；3)分别计算梯度和LoG之间的条件熵H(GM|L)、H(L|GM)，相对梯度和LoG之间的条件熵H(GM|L)‑H(RM|L)、H(L|GM)‑H(L|RM)；4)提取的图像特征包括：相对梯度方向RO的标准差、梯度和LoG之间的条件熵H(GM|L)、H(L|GM))、相对梯度和LoG之间的条件熵H(GM|L)‑H(RM|L)、H(L|GM)‑H(L|RM))共5维特征；5)根据人眼视觉系统特性中的多尺度性，采用下采样方法，再提取缩小后图像的上述的5维特征，最终得到10维特征向量；6)将所提取的10维特征向量，用AdaBoost神经网络进行回归以预测图像质量分数。