[发明专利]一种基于先验感知质量特征图的无参考图像质量客观评价方法

权利要求书

1.一种基于先验感知质量特征图的无参考图像质量客观评价方法，其特征在于：该方法包括以下步骤，

步骤1，生成先验感知质量特征图像库；

选取失真图像数据库，由每一张失真图像和其参考图像运用全参考图像质量评价方法FSIM生成失真梯度信息图FSIMg，由所有失真图像的FSIMg作为先验感知质量特征图像库；

步骤2，训练感知质量特征图生成网络；

由失真图像数据库中的失真图像和生成的感知质量特征图像库作为训练数据，训练一个基于U-Net的全卷积感知质量特征图生成网络；所述感知质量特征图生成网络是一种基于U-Net结构的全卷积网络，感知质量特征图生成网络的输入为一张三通道的彩色图；感知质量特征图生成网络的输出为一张与输入等大的灰度图；

步骤3，训练分数池化网络；

由感知质量特征图生成网络的输出图作为训练分数池化网络的输入，图像主观失真分数作为标签，训练分数池化网络；所述分数池化网络由五层卷积层和两层全连接层组成，分数池化网络的输入为一大小为144×144的单通道图像，分数池化网络的输出为一0到100间的分数；

步骤4，对待预测失真图像进行无参考质量客观评价；

将待预测失真图像输入感知质量特征图生成网络，得到相感知质量特征图和预测主观评价分数。

2.根据权利要求1所述的一种基于先验感知质量特征图的无参考图像质量客观评价方法，其特征在于：训练感知质量特征图生成网络的步骤如下：

步骤2.1，将失真图像数据库每一张失真图像和其对应的感知质量特征图按行列每隔120像素剪裁144×144大小的失真图像块；

步骤2.2，搭建基于U-Net的全卷积感知质量特征图生成网络；

步骤2.3，将步骤2.1中剪裁好的失真图像块作为基于U-Net的全卷积感知质量特征图生成网络的输入，对应的感知质量特征图作为标签，采用逻辑斯蒂回归对感知质量特征图生成网络进行训练。

3.根据权利要求1所述的一种基于先验感知质量特征图的无参考图像质量客观评价方法，其特征在于：步骤3中包括，步骤3.1，搭建分数池化网络，将分数池化接在感知质量特征图生成网络逻辑斯蒂回归输出层之后；

步骤3.2，训练分数池化网络；训练时固定感知质量特征图生成网络，使分数池化网络的输入为感知质量特征图生成网络的输出，以图像主观失真分数为标签，采用线性回归对分数池化网络进行训练。

4.根据权利要求1所述的一种基于先验感知质量特征图的无参考图像质量客观评价方法，其特征在于：步骤4中包括，步骤4.1，将待预测失真图像按行列每隔120像素剪裁为一组144×144大小的小块；

步骤4.2，将每一小块输入预测网络即感知质量特征图生成网络+分数池化网络，网络输出每个小块的感知质量特征图和预测分数；

步骤4.3，将每个小块的感知质量特征图拼接，得到待预测失真图像的感知质量特征图；

步骤4.4，将所有个小块的预测分数平均，得到失真图质量预测分数。