[发明专利]一种基于贝叶斯压缩感知的无参考图像质量客观评价方法

说明书

本发明公开了一种基于贝叶斯压缩感知的无参考图像质量客观评价方法，该方法采用利用贝叶斯压缩感知方法的可重构特性，从输入失真图像中重构出重构图像，计算输入失真图像和重构图像的结构相似度索引，将整幅图像的结构相似度索引均值提取作为图像质量评价相似度特征；对输入失真图像进行归一化处理，提取归一化图像的均匀局部二值模式直方图作为均匀局部二值模式特征，联合贝叶斯压缩感知提取的相似度特征和均匀局部二值模式直方图特征得到图像质量评价特征，将图像质量评价特征送到支持向量回归机中进行训练和测试，得到输入失真图像的图像质量评价结果；该方法利用贝叶斯压缩感知方法的可重构特性进行图像质量评价，提高了图像质量评价的精度。

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，尤其涉及一种基于贝叶斯压缩感知的无参考图像质量评价方法。

背景技术

图像质量评价是图像处理领域的关键问题，图像质量评价方法根据是否有人的参与可分成主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法由人对图像进行打分，评价结果精确，但评价过程复杂，耗时时间长，难以得到实时应用。客观图像质量评价方法无需人的参与，通过特定的计算机算法自动预测图像质量。根据是否使用原始无失真图像作为参考，可将客观图像质量评价方法分成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。全参考算法使用参考图像的所有信息预测图像质量，半参考图像质量评价方法采用参考图像的部分信息进行图像质量预测，无参考图像质量评价方法不使用参考图像的任何信息进行图像质量评价。目前的无参考图像质量评价方法，根据适用范围，大致可分为两类:针对特定失真类型的方法和适用于多种失真类型的方法。由于针对特定失真类型的方法需要知道其失真类型，故其适用范围受到了限制，因此研究适用于多种失真类型的通用方法成了图像质量评价领域的热点。然而，而且现阶段对于人类视觉系统和自然图像统计特性等方面的理解并不充分，无参考图像质量评价的研究进展相对缓慢。本发明设计了一种基于贝叶斯压缩感知的无参考图像质量评价方法。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于贝叶斯压缩感知的无参考图像质量客观评价方法。

本发明的目的是通过以下技术方案来实现的：一种基于贝叶斯压缩感知的无参考图像质量客观评价方法，包括以下步骤：

步骤(1)：输入训练图像，所述训练图像包括参考图像和失真图像；

步骤(2)：将步骤1的参考图像和失真图像进行灰度变换，将彩色图像变换成灰度图像X；

步骤(3)：将步骤2变换得到的灰度图像X的宽度和高度扩展成N的倍数，再将扩展后的灰色图像分成不重叠的大小为N×N的图像块X_i，其中1≤i≤M，X_i为划分后的图像块矩阵，X_i∈R^N×N,N为图像块的高度和宽度，M为图像块的个数，R为实数；

步骤(4)：将图像块X_i采用小波变换进行多层分解，将多层近似系数和细节系数组合成向量C，其中C为小波系数向量，C∈R^K×1，K为小波系数向量的元素个数；

步骤(5)：构建随机采样矩阵Ψ，Ψ∈R^L×K，其中，L和K为采样矩阵Ψ的行数和列数，并且L＜K；用随机采样矩阵Ψ采样小波系数向量C，得到采样向量g，其中g∈R^L×1，采样公式如下：

g＝ΨC；

步骤(6)：根据采样向量g和采样矩阵Ψ采用贝叶斯压缩感知对图像块矩阵X_i进行预测，具体步骤如下：

步骤(6.1)：首先初始化超参数β₀和β，其中超参数初始化公式如下：