[发明专利]图像质量评价方法及装置有效

专利信息
申请号: 201810759247.X 申请日: 2018-07-11
公开(公告)号: CN108898600B 公开(公告)日: 2021-03-23
发明(设计)人: 刘金华;任桂平;吴莲发 申请(专利权)人: 上饶师范学院
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 梁斌
地址: 334000 江西*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 质量 评价 方法 装置
【权利要求书】:

1.一种图像质量评价方法,其特征在于,该方法包括:

获得参考图像和失真图像;

使用高斯混合模型对所述参考图像和所述失真图像的小波系数进行建模;

对所述参考图像和所述失真图像分别进行非负矩阵分解,分别获得所述参考图像分解后的基矩阵和所述失真图像分解后的基矩阵;

计算所述参考图像的基矩阵和所述失真图像的基矩阵之间的相似度;

使用视觉内容权重和相似度向量信息,采用支持向量回归方法,将所述相似度向量信息和图像主观质量分数作为输入,建立从输入图像到图像客观质量分数的映射关系;

基于所述映射关系,构建图像质量分数评价函数,通过所述图像质量分数评价函数评价图像的质量;

使用视觉内容权重和相似度向量信息,采用支持向量回归方法,将相似度向量信息和图像主观质量分数作为输入,建立从输入图像到图像客观质量分数的映射关系的步骤包括:

计算所述参考图像和失真图像之间的相似度值,采用以下公式计算:

其中,wi表示第i个图像子带的视觉内容权重,γ表示指数因子,M表示图像小波分解的尺度数,S(R,D)j为所述参考图像的基矩阵第j个向量和失真图像的基矩阵第j个向量之间的相似度;

基于所述参考图像和失真图像之间的相似度值的计算公式,分别计算所述参考图像的低频子带和失真图像的低频子带的相似度;

基于所述参考图像和失真图像之间的相似度值的计算公式,分别计算所述参考图像的高频子带和失真图像的高频子带的相似度;

根据所述参考图像的低频子带和失真图像的低频子带的相似度,以及所述参考图像的高频子带和失真图像的高频子带的相似度,采用以下公式计算所述输入图像的评测值:

其中Q0是常数,ε为加权因子,QAL为所述参考图像的低频子带和失真图像的低频子带的相似度,QAH为所述参考图像的高频子带和失真图像的高频子带的相似度。

2.根据权利要求1所述的图像质量评价方法,其特征在于,所述参考图像为未受噪声污染的图像,所述失真图像为经噪声污染后的降质图像,所述参考图像和所述失真图像的分辨率均为m×n。

3.根据权利要求1所述的图像质量评价方法,其特征在于,使用高斯混合模型对所述参考图像和所述失真图像的小波系数进行建模的步骤包括:

计算所述参考图像与经感知后的参考图像之间的互信息,其中,所述参考图像记为R,所述经感知后的参考图像记为E,所述参考图像与经感知后的参考图像之间的互信息为I(R;E);

计算所述失真图像与经感知后的失真图像之间的互信息,其中,所述失真图像记为D,所述经感知后的失真图像记为F,所述失真图像与经感知后的失真图像之间的互信息为I(D;F);

计算所述经感知后的参考图像与所述经感知后的失真图像之间的互信息I(E;F);

计算基于所述参考图像与经感知后的参考图像之间的互信息、所述失真图像与经感知后的失真图像之间的互信息以及所述经感知后的参考图像与所述经感知后的失真图像之间的互信息的视觉内容权重,其中,计算所述视觉内容权重采用以下公式计算:

w=I(R;E)+I(D;F)-I(E;F) (1)

其中,w表示视觉内容权重。

4.根据权利要求3所述的图像质量评价方法,其特征在于,所述参考图像与经感知后的参考图像之间的互信息、所述失真图像与经感知后的失真图像之间的互信息以及所述经感知后的参考图像与所述经感知后的失真图像之间的互信息采用以下公式:

其中,CR为所述参考图像的协方差,CD为所述失真图像的协方差,CE为所述经感知后的参考图像的协方差,CF为所述经感知后的失真图像的协方差,C(R,E)为所述参考图像与所述经感知后的参考图像之间的协方差,C(D,F)为所述失真图像与所述经感知后的失真图像之间的协方差,C(E,F)为所述经感知后的参考图像与经感知后的失真图像之间的协方差。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上饶师范学院,未经上饶师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810759247.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top