[发明专利]一种基于Gabor加权特征的全参考型图像质量评价方法

说明书

本发明涉及一种基于Gabor加权特征的全参考型图像质量评价方法。本发明的具体步骤是：(一)输入失真图像和参考图像；(二)对输入失真图像和参考图像进行二维Gabor变换得到Gabor系数；(三)将失真图像和参考图像的Gabor系数组成矩阵，对其进行主成分分析，得到第一和第二主成分分量；(四)将失真图像和参考图像第一和第二主成分分量组成主成分矩阵，并计算失真图像和参考图像的主成分矩阵之间的相似度及相似度均值；(五)将相似度均值进行加权相加得到客观评价分值。本发明采用Gabor变换和PCA变换对图像进行转换，对相似度均值进行加权相加得到客观评价分值，提高了图像质量评价的精度。

(一).技术领域

本发明属于图像处理领域，涉及一种图像质量评价方法，尤其涉及一种基于Gabor加权特征的全参考型图像质量评价方法。

(二).背景技术

图像质量评价方法是图像处理领域的关键问题，图像质量评价可分成主观图像质量评价方法和客观图像质量评价方法。主观评价方法根据观察者的感受进行打分，虽然准确，但存在着成本高昂和费时等缺点，客观图像质量评价方法采用计算模型自动预测图像质量，成本低，耗时短，具有很好的应用价值。客观图像质量评价方法可分成全参考型图像质量评价方法，半参考型图像质量评价方法和无参考型图像质量评价方法。全参考型图像质量评价方法采用完美的，质量很好的图像作为参考图像对图像进行客观质量评价。无参考型图像质量评价方法不采用参考图像，根据图像的特性进行客观质量评价。半参考型图像质量评价方法采用从图像中提取的部分关键信息并结合图像本身的特性进行客观质量评价。本发明涉及一种全参考型图像质量评价方法。

传统的全参考型图像质量评价方法(如峰值信噪比PSNR)采用失真图像和参考图像之间的均方误差作为图像评价的依据，计算简单，但存在着与人眼主观视觉特性不匹配等缺点，在实际场合中得不到广泛应用。针对传统全参考型图像质量评价方法的不足，许多学者提出了改进方法，Wang Zhou(Z.Wang and A.C.Bovik，Image quality assessment：from error visibility to srtuctural similairity，IEEE Transaction on imageprocessing，13，600-612，2004.)等人提出了基于图像结构相似度的结构相似度(SSIM)方法，该方法采用主要图像的结构相似度对图像进行质量评价，但该方法并没有对图像进行变换处理，未充分利用图像中包含的频域信息。Sheikh(H.R.Sheikh and A.C.Bovik，Imageinformation and visual quality，IEEE Transactions on Image Processing，15，430-444，2006.)提出基于视觉信息保真度(VIF)的图像质量评价方法，在确定原始图像和失真图像的统计模型后，采用原始图像和失真图像之间的互信息进行图像质量评价；Mansouri(A.Mansouri，A.Aznaveh，Image qaulity assessment using the singular valuedecomposition theorem，Optical review，16，49-53，2009.)采用基于奇异值分解的图像质量评价方法，该方法对原始图像和失真图像进行奇异值分解后，通过比较得到奇异值差值进行图像质量评价。

(三).发明内容

本发明的目的是提供一种预测更精确的全参考型图像质量评价方法。

本发明采用的具体步骤是：

步骤(1)：对输入失真图像和参考图像进行二维Gabor变换。具体是：