[发明专利]一种基于空域和变换域多特征融合的图像质量评价方法

摘要

本发明公开的一种基于空域和变换域多特征融合的图像质量评价方法，首先执行对图像数据库中所有参考图像和失真图像进行颜色空间转换，为后续分通道特征提取做准备；然后执行分别在L通道上提取图像的空域梯度特征和对比敏感性特征，在两个色度通道上提取图像的色度特征，以及在全局图像中提取与人眼视觉感知相一致的视觉显著性特征，经相似性计算和池化策略后，每幅失真图像可产生一个12维的相似性特征向量；将图像数据库中所有失真图像提取的相似性特征向量及失真图像对应的主观MOS值一同输入到随机森林RF中训练回归模型。训练好的模型即可用于对一幅或多幅待评价的失真图像质量的精确评价。

主权项

1.一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，具体按照以下步骤实施：步骤1、颜色空间转换，将图像数据库中所有参考图像和失真图像由RGB颜色空间转变为LMN颜色空间，实现图像亮度通道L和两个色度通道M、N的分离，为后续分通道提取图像特征做准备；步骤2、经步骤1完成后，分别提取参考图像和失真图像在亮度通道L中的空域梯度特征、对比敏感度特征，以及在M和N两个色度通道中的色度特征，并计算相似性，得到代表失真图像特征的梯度相似性图、对比敏感度相似性图以及色度相似性图；步骤3，通过显著性检测模型分别提取参考图像和失真图像在全局图像中的与人眼视觉感知相一致的视觉显著性特征，并计算相似性，得到视觉显著性相似性图；步骤4，经步骤2和步骤3完成后，通过池化策略，分别提取每个相似性图的平均值、标准偏差及熵，从而为每幅失真图像生成一个12维的相似性特征向量；步骤5、经步骤4完成后，将图像数据库中所有失真图像提取的12维相似性特征向量以及失真图像对应的主观平均质量分数MOS利用随机森林RF工具训练回归模型，训练好的模型即可用于精确预测待评价的失真图像的质量。