[发明专利]一种基于图像失真类型的图像质量评估的方法

摘要

本发明公开了一种基于图像失真类型的图像质量评估的方法。本发明用DCT方法把高维度图像的信息量在低维度图像上表示出来，提取出失真特征；然后利用支持向量机的方法，建立标签为1,2,3,4,…,n的SVM分类器中，将失真类型分为n种；将图像的失真特征输入，通过决策函数对所选图像进行分类；在判断出图像失真类型后，再按评估模型计算得出图像质量的评价指标IQA。本发明针对每一种失真类型建立一套评价模型，从而提高图像质量的客观评价效率。

主权项

1.一种基于图像失真类型的图像质量评估的方法，用DCT方法把高维度图像的信息量在低维度图像上表示出来，提取出失真特征值；然后利用支持向量机的方法，建立标签为1，2，3，4，...，n的SVM分类器中，将失真类型分为n种；将图像的失真特征值输入，通过决策函数对所选图像进行分类；在判断出图像失真类型后，再按评估模型计算得出图像质量的评价指标IQA，具体步骤如下：步骤(1)图像预处理对于一幅大小为M×N的待评价的失真图像，以及与之相应的原始图像，首先进行预处理；首先将两幅图像分别转化为灰度图像，以避免色度信息的干扰，然后进行归一化处理，将不同量化精度的图像数据值归一化到区间[0，1]，以方便后续数据上的统一，于是可以得到统一后的原始图像g(x，y)和失真图像f(x，y)，然后利用图像差值法得到两幅图像的差值图像d(x，y)，即：d(x，y)＝|g(x，y)‑f(x，y)|        (1)d(x，y)表示差值图像d(x，y)，即失真图像与原始图像在对应像素位置上的差异信息；而失真图像与原始图像之间的差异信息就是失真图像的失真信息，因此在d(x，y)上做相应的特征提取，就可得到图像的失真特性；步骤(2)图像的失真特性的提取；首先将预处理后得到的差值图像d(x，y)分割成n×n大小的非重叠块，因此得到的图像块总数为：Blk＝(M/n)×(N/n)           (2)按照自上而下，从左到右的次序对图像块编号，设B_i为第i个图像块，其中1≤i≤Blk；对图像块B_i的亮度数据进行二维DCT变换；其中，F_i(u，v)为第i块图像块的DCT系数，且u，v＝0，1，...，n‑1，B_i(j，k)为B_i在第j行、第k列上的像素值，a(u)的取值与a(v)相同，对差值图像d(x，y)进行n×n大小的分块，对每一个图像块分别做DCT变换，从变换得到的系数矩阵F_i的交流系数F_i(0，1)出发，对F进行扫描，得到一个一维的扫描数组{S_j；j＝1，2，，n²‑1}；每个经DCT变换后的像素块，由于其主要能量都集中在矩阵左上角的低频区域，而且考虑到降低后续处理和计算的复杂度，本文取S_j的前α个元素构造成图像块B_i的DCT特征，以此来表征该像素块的信息，即D_i＝{S_j，j＝1，2，...，α}，其中1≤α＜n²‑1；D为每一块图像块的DCT特征值，那么第k幅差值图像的图像特征为F_k＝{D₁，D₂，...，Di，...D_Blk}，F_k是维数为dim＝α*Blk的实数向量，即为所需要的失真特性的信息；步骤(3)创建分类器；使用支持向量机(SVM)的方法对图像进行分类；假设以高斯白噪声失真、高斯模糊失真、JPEG压缩失真、JPEG2000压缩失真为设定的失真类型，将他们的类型标签设置为1、2、3和4；设定SVM1对1和2、3、4进行分类，SVM2对2和3、4分类，SVM3对3、4进行分类；对于每一个SVM分类器，根据步骤(2)得到的失真特性，构建共有k幅图像的训练样本为：其中，R^dim表示dim维实数集，F_k属于R^dim，是dim维实数向量，L_k为类别编号，且由此得到该分类器的决策函数为：其中，ns为支持向量数目；通过上述决策函数能够判断出每个F_k的类别；步骤(4)创建评估模型；假设以高斯白噪声失真、高斯模糊失真、JPEG压缩失真、JPEG2000压缩失真为设定的失真类型，调用LIVE、TID2008和CSIQ三个图像数据库的4种失真类型图各200张，分别计算出每幅图像的PSNR、SSIM、VIF和JND值，并参考提供的主观评价打分MOS，采用多元非线性回归的方法建立评价模型，对每一种失真类型，都有其中一种或多种IQA占主要评价成分，而令剩余的IQA作为辅助参量，弥补仍然存在的缺陷与不足，从而提高评价准确度，使得评价值要尽可能地接近MOS值，即其中，m为模型所采用的四种算法的序号，IQA代表每种算法对应的值，IQA₁表示PSNR，IQA₂表示SSIM，IQA₃表示JND，IQA₄表示VIF，N表示多项式的最高次数，αmi为多项式每一项前面的系数，C为常数；根据上式得到α的最优值，从而得到利用模型评价图像质量的评价指标IQA