[发明专利]基于独立成分分析的无参考图像质量评价方法

摘要

本发明公开了一种基于独立成分分析的无参考图像质量评价方法，明利用像素对的空间相关性来选择代表图像质量的图像质量块；利用选出的最佳图像质量块并采用FastICA算法求得LIVE2图像库中图像的检测特征，由特征求得图像质量块的独立成分；由LIVE2中图像的独立成分的二值化作为哈希函数建立哈希查找表，查找表的每个数据元素包括判断数据，独立成分数据及主观质量评价DMOS（differential mean opinion score）值；利用待测图像的独立成分的二值化来查找哈希表，对于冲突项采用汉明距离匹配，得出无参考图像质量评价结果。评价结果与DMOS值保持了较好的一致性，且能够对图像的失真程度进行准确度量。

主权项

1.基于独立成分分析的无参考图像质量评价方法，包含以下步骤：步骤1)，对于LIVE2图像库中的每一个图像，选择出五个图像质量块：步骤1.1)，生成每幅图像的散点图；步骤1.2)，计算散点图的散布宽度I_w；步骤1.3)，在图像上滑动32×32的窗口，获得所有32×32的图像块，计算每个图像块中像素对散点图的散布宽度I_pw；步骤1.4)，对于每一个图像块，计算其散布宽度I_pw与I_w的比值，将其作为该图像块的RWID值；步骤1.5)，按照以下按照以下RWID值的范围对各个图像块进行分类：RWID＝1、0.95＜RWID＜1、0.9＜RWID＜0.95、0.85＜RWID＜0.9、0.8＜RWID＜0.85；在每个范围内任意选择一个图像块作为该范围的图像质量块；步骤2)，对获得的LIVE2图像库所有图像的图像质量块进行独立成分分析(FastICA)计算，得到36个特征检测子；步骤3)，计算各个图像质量块的独立成分：对于每一个图像质量块，将其图像矩阵分别和36个特征检测子相乘，得到36个矩阵，对于每个矩阵、将其内的元素分别相加，得到36个元素S_i，i为大于等于0且小于36的整数，所述36个元素组成向量、即该图像质量块的独立成分；步骤4)，对于每一个图像质量块，对其独立成分进行二值化：步骤4.1)，根据下面公式计算独立成分中相邻元素的差的绝对值SD_i；步骤4.2)，根据下面公式对独立成分进行二值化计算，得到其独立成分的二值码b_i集合：式中，M为M₀、M₁、……、M₃₅中的最小值，M_i为各个图像质量块的S_i的平均值；步骤5)，根据各个图像质量块独立成分的二值码b_i集合计算出其对应的哈希地址，对于每个图像质量块：令N_m＝b_m×3+1×2⁰+b_m×3+2×2¹+b_m×3+3×2²，m为大于0小于等于11的整数，令N₁₂＝N₀；定义哈希函数为H(h₀,…,h₁₁)＝h₀×2⁰+…+h₁₁×2¹¹，计算出图像质量块对应的哈希地址；步骤6)，在图像质量块对应的哈希地址指向的存储单元中存放图像质量块的独立成分以及图像质量块在LIVE2图像库中的DMOS值，形成哈希表；步骤7)，需要对待评价图像进行图像质量评价时：步骤7.1)，选择出待评价图像的五个图像质量块，并记录该五个图像质量块的RWID值；步骤7.2)，对待评价图像五个图像质量块进行独立成分分析(FastICA)计算，得到36个待评价图像的特征检测子；步骤7.3)，计算待评价图像五个图像质量块的独立成分：对于待评价图像的每一个图像质量块，将其图像矩阵分别和36个待评价图像的特征检测子相乘，得到36个矩阵，对于每个矩阵、将其内的元素分别相加，得到36个元素，所述36个元素组成向量、即该图像质量块的独立成分；步骤7.4)，对于待评价图像的每一个图像质量块，对其独立成分进行二值化，得到其二值码集合；步骤7.5)，对于待评价图像的每一个图像质量块，根据其独立成分的二值码集合计算出其对应的哈希地址；步骤7.6)，对于待评价图像的每一个图像质量块，根据其对应的哈希地址在哈希表中寻找地址指向的存储单元，根据存储单元中存储的独立成分与该图像质量块的独立成分计算出该图像质量块的汉明距离；步骤7.7)，将待评价图像的各个图像质量块的汉明距离和预设的距离阈值进行比较，如果图像质量块的汉明距离和预设的距离阈值，则认为该图像质量块为相似块，记录其对应的哈希地址指向的存储单元中存储的DMOS值；步骤7.8)，根据以下公式计算待评价图像的无参考图像质量评价分数PIH‑IQA：式中，N为相似块的数目，k为大于等于1小于等于N的整数，DMOS_k为第k个相似块对应的哈希地址指向的存储单元中存储的DMOS值，RWID_k为第k个相似块对应的RWID值。