[发明专利]一种基于稀疏化特征提取的彩色图像质量评价方法

说明书

本发明公开了一种基于稀疏化特征提取的彩色图像质量评价方法，所述方法包括：基于若干个参考图像建立训练样本矩阵，由此获得特征提取器矩阵W；将参考图像和彩色失真图像各自分割成M个互不重叠的图像块，得到图像块向量对；从图像块向量对中选取视觉显著图像块向量对，使用特征提取器矩阵W进行特征提取；由此计算考图像及彩色失真图像间的特征相似度；根据亮度及对比度变化从图像块向量对中选取亮度及对比度敏感图像块向量对，计算参考图像及彩色失真图像间的亮度关系度及对比度关系度；将特征相似度、亮度关系度及对比度关系度进行加权平均作为彩色失真图像质量评分值。本发明的方法极大的降低了图像质量评价所需时间，提高了评价的准确度。

技术领域

本发明涉及图像处理领域，具体涉及一种基于稀疏化特征提取的彩色图像质量评价方法。

背景技术

图像质量评价方法分为主观质量评价方法和客观质量评价方法。主观质量评价方法是观测者在观测图像后，对图像的视觉质量作出评分。主观质量评价最符合人眼的视觉系统，但不适用于实际系统。客观质量评价是对输入图像采用数学模型进行运算而做出的视觉质量评分。客观质量评价与主观质量评价的一致性是衡量客观质量评价方法优劣的唯一标准。按照是否需要参考图像信息的标准，客观质量评价方法分为全参考评价方法，部分参考评价方法及无参考评价方法。全参考评价方法是以参考图像的全部信息为标准，评价待测图像的质量。全参考评价方法主要有均方误差方法(Mean Square Error，MSE)，结构相似度(Structural Similarity Index Measurement System，SSIM)方法等。无参考评价方法则不考虑参考图像的任何信息，对待测图像基于统计特性的描述。部分参考评价方法介于全参考评价方法与无参考评价方法，利用诸如参考图像的边缘、结构的部分信息作为参考，对待测图像进行评价。

为更好理解人眼视觉系统，许多研究人员提出使用稀疏表示描述图像的视觉感知质量，相关研究表明，稀疏表示符合人类的大脑认知。但基于稀疏表示方法忽视了彩色图像的颜色、亮度及对比度信息，从而影响了该评价模型性能。

由于独立主成分分析(Independent Component Analysis,ICA)通过训练代价函数与稀疏性惩罚的约束条件，可实现图像的稀疏化表示，因此符合人类的认知机制。

发明内容

本发明的目的在于克服稀疏表示对彩色图像的质量表达能力的不足，并结合人类的视觉系统(HVS)，使用了彩色图像的R，G和B三通道信息，结合ICA稀疏化表示、人眼的视觉敏感度模型及图像的亮度及对比度关系提出一种基于稀疏化特征提取器的彩色图像质量评价方法。在LIVE Multiply、TID2008、TID2013及IVC等4个图像质量评价数据库中的实验表明，本发明放入方法与人类视觉感知的一致性较好。

为了实现上述目的，本发明提出了一种基于稀疏化特征提取的彩色图像质量评价方法，所述方法包括：

基于若干个参考图像建立训练样本矩阵，由此获得特征提取器矩阵W；

将参考图像和彩色失真图像各自分割成M个互不重叠的图像块，得到图像块向量对；

从图像块向量对中选取视觉显著图像块向量对，使用特征提取器矩阵W进行特征提取；由此计算考图像及彩色失真图像间的特征相似度；

根据亮度及对比度变化从图像块向量对中选取亮度及对比度敏感图像块向量对，计算参考图像及彩色失真图像间的亮度关系度及对比度关系度；

将特征相似度、亮度关系度及对比度关系度进行加权平均作为彩色失真图像质量评分值。

作为上述方法的一种改进，所述方法具体包括：

步骤1)选取训练样本，形成训练样本矩阵T；

步骤2)对所述训练样本矩阵T进行处理，得到特征提取器矩阵W；