[发明专利]基于通道特征和卷积神经网络的屏幕图像质量评价方法

说明书

技术领域

本发明涉及一种无参考图像质量评价方法，尤其是涉及一种基于通道特征和卷积神经网络的屏幕图像质量评价方法。

背景技术

随着图像处理行业的快速发展，图像质量评价已成为越来越重要的组成部分，人们对图像质量的要求也日益增高。由于图像的采集、存储、传输和显示等过程中，往往会有不同程度的失真，如图像模糊、视频终端图像失真、系统中图像质量不达标等，因此，建立有效的图像质量评价机制非常重要，如在图像去噪、图像融合等处理过程中可用于各种算法的性能比较、参数选择；在图像编码与通信领域可用于指导整个图像的传输过程并评估系统性能；在视频监控领域可用于检测视频画面的质量，及时发现并调整视频监控质量。

图像质量评价方法大体可以划分为两类，即主观评价方法和客观评价方法。主观评价方法是通过人眼直接判定图像的质量，受主观意识的操控；其评价结果的特点是：图像的舒适度越高，得到的评分结果就越高；其是一种相对比较可靠的评价方法，但是费时费力。客观评价方法是由机器根据一定算法得出的图像质量指标，其主要分为三种评价方法，即全参考图像质量评价方法、半参考图像质量评价方法和无参考图像质量评价方法，当前研究最多的是全参考图像质量评价方法，但是由于多数应用中无法获得相应的原始图像，因此无参考图像质量评价方法的研究更具实用价值。

无参考图像质量评价方法可分为特定失真评价方法和通用评价方法两种，特定失真评价方法只能对某种特定失真类型的图像进行评价，例如JPEG、JPEG2K及Gblur失真等，无法对其它失真类型的图像及多种处理技术处理后的图像进行质量评价；通用评价方法可以同时对多种失真类型的图像进行质量评价。

现有的通用无参考图像质量评价方法主要针对一般的图像，而针对特殊图像(例如，屏幕图像)的研究相对较少，由于屏幕图像含有文字、图形和图像等内容，因此对屏幕图像采用通用无参考图像质量评价方法进行质量评价更具有挑战性。

发明内容

本发明所要解决的技术问题是提供一种基于通道特征和卷积神经网络的屏幕图像质量评价方法，其能够充分考虑到屏幕图像多种特性对视觉质量的影响，从而能够提高客观评价结果与主观感知之间的相关性。

本发明解决上述技术问题所采用的技术方案为：一种基于通道特征和卷积神经网络的屏幕图像质量评价方法，其特征在于包括以下步骤：

步骤一：令{I_d(i,j)}表示待评价的失真屏幕图像，其中，1≤i≤W，1≤j≤H，W表示{I_d(i,j)}的宽度，H表示{I_d(i,j)}的高度，I_d(i,j)表示{I_d(i,j)}中坐标位置为(i,j)的像素点的像素值；