[发明专利]基于多特征融合BRISQUE算法的图像质量评价方法

摘要

一种基于多特征融合BRISQUE算法的图像质量评价方法，计算图像均值对比度归一化系数MSCN，获取MSCN分布直方图特征、GGD特征和AGGD特征，将特征进行融合，对图像进行2倍降采样，在降采样后的图像上同样提取MSCN分布直方图特征、GGD特征和AGGD特征，并将特征进行融合，将原图像和2倍降采样后图像得到的特征进行融合，得到最终特征，通过支持向量机预测测试图像的平均主观分值，得到图像质量评价。本发明能够客观评价图像质量，评价结果更为接近人类主观评价方法。

主权项

1.一种基于多特征融合BRISQUE算法的图像质量评价方法，其特征在于，所述方法包括以下步骤：步骤1，根据公式(1)计算图像均值对比度归一化系数MSCN：其中，I(i,j)是灰度图像像素幅度值，i和j是像素坐标，i∈{1，2，...，M}，j∈{1，2，...，N}，M和N分别是图像的高和宽，C取值1以防止分母为0，是MSCN值，μ(i,j)和σ(i,j)分别通过公式(2)和公式(3)计算得到：其中，W＝{W_k,l|k＝‑K,...,K,l＝‑L,...,L}是二维高斯窗口，K和L分别是高斯窗口的长和宽，I_k,l(i,j)表示窗口内的灰度图像像素幅度值，k＝‑K,...,K,l＝‑L,...,L，K＝L＝3，μ(i,j)是窗口内的局部均值，σ(i,j)是窗口内的局部方差；步骤2，将MSCN值的分布区间分为N份，获取MSCN分布直方图，从而获取N维的MSCN分布直方图特征；将MSCN值拟合成广义高斯分布GGD，如公式(4)、(5)、(6)所示，该广义高斯分布的参数(α,σ²)组成2维的GGD特征，α和σ²分别用于控制广义高斯分布的形状和方差；将MSCN相邻系数乘积在4个方向上拟合成非对称广义高斯分布AGGD，如公式(7)、(8)、(9)、(10)所示，4个方向分别为水平H(i,j)，垂直V(i,j)，正斜D1(i,j)以及反斜D2(i,j)，如公式(11)、(12)、(13)、(14)所示，组合每个方向上的非对称广义高斯分布参数成16维的AGGD特征，α用于控制MSCN相邻系数乘积分布的形状，和分别反映分布左、右两侧不同的衰减程度，η如公式(8)、(9)和(10)定义；其中，其中，步骤3，将N维的MSCN分布直方图特征、2维的GGD特征和16维的AGGD特征融合，如公式(15)所示，其中F_MSCN表示MSCN分布直方图特征，F_GGD表示GGD特征，F_AGGD表示AGGD特征，得到18+N维的特征F₁；F₁＝[F_MSCN F_GGD F_AGGD]           (15)对图像进行2倍降采样，在降采样后的图像上同样提取N维的MSCN分布直方图特征、2维的GGD特征和16维的AGGD特征，得到18+N维的特征F₂，融合F₁和F₂，如公式(16)所示，得到36+2N维的特征F；F＝[F₁ F₂]                 (16)步骤4，获取训练集图像的特征，训练集图像的标定为平均主观分值，训练支持向量机，得到预测模型，提取测试图像特征后送入至预测模型，预测得到该测试图像的平均主观分值，得到图像质量评价。