[发明专利]一种多失真图像质量的无参考评价方法

权利要求书

1.一种多失真图像质量的无参考评价方法，其特征在于，包括步骤：

(1)获取M幅原始多失真图像，对每一幅原始多失真图像执行步骤(1-1)至(1-3)：

(1-1)记任意一幅原始多失真图像为I₀，对图像I₀分别进行n次下采样，得到n幅下采样图像，并记I_i为第i个下采样图像，i∈[1，2，…，n]；将图像I₀至I_n归入图像I₀的样本集合；

(1-2)对样本集合中每一幅图像进行双阶结构特征提取，获取每一幅图像的一阶结构失真特征和二阶结构失真特征；

所述一阶结构失真特征包括结构信息量特征和结构能量特征；其中，结构信息量特征的计算步骤包括：

1)求出图像I_i的梯度图像g_i，i＝0，1，…，n：

式中，g_i(x，y)表示梯度图像g_i中像素点(x，y)处的像素值，和分别表示I_i的水平方向梯度和垂直方向梯度；*和T分别表示卷积操作符和转置操作符；

2)对于梯度图像g_i中的每一个像素(x，y)，首先确定一个以(x，y)为中心，且大小为W×W的窗口，W表示窗口宽度；计算出窗口中除了像素(x，y)以外的其他所有像素点的平均像素值A_i(x，y)：

3)定义一个函数f_i，f_i中的元素表示为f_i(p，q)，f_i(p，q)的值为：满足g_i(x，y)＝p且A_i(x，y)＝q的像素点的个数；计算f_i(p，q)的概率为：

式中，a₁、a₂分别为I₀的长和宽；

4)计算梯度图像g_i的二维熵为：

计算出的二维熵为I_i的结构信息量特征；

结构能量特征的计算步骤包括：

5)将梯度图像g_i分为b×b大小的不重叠的图像块，对每个图像块进行奇异值分解，任意一个图像块B_z的奇异值分解结果为：

B_z＝U_zS_zV_z^T，z＝1，2，...，R

式中，R表示梯度图像g_i中图像块总数，U_z和V_z均为大小为b×b的方阵，并分别满足：U_z^TU_z＝E和V_z^TV_z＝E；式中，E为单位矩阵；S_z为大小为b×b的方阵，其对角线上的数据为奇异值，其他位置的数据为0；B_z的平均奇异值为S_z中对角线上数据的平均值，记为Y_z；

6)对Y_z进行归一化，得到：

式中，Y′_z表示Y_z归一化值，表示B_z的方差；

7)计算g_i的结构能量特征为：

(1-3)对样本集合中每一幅图像进行非局部相似性统计特征提取，获取每一幅图像的两个非局部相似性统计特征；

(1-4)步骤(1-2)和(1-3)提取出的所有特征参数共同构成图像I₀的特征集合；

(2)将M幅原始多失真图像的特征集合合并形成一个训练参数集合，采用随机森林法从训练参数集合的所有特征参数中学习出一个多失真图像质量评价模型；

(3)通过多失真图像质量评价模型评价待测多失真图像。