[发明专利]一种移动设备拍照清晰度质量评价方法、系统和终端

说明书

本发明提供了一种移动设备拍照清晰度质量评价方法、系统和终端，方法首先选取图像纹理最为丰富的区域作为表征待评价图像清晰度质量的块状区域，然后计算该块状区域在空间域、频域和小波域上的纹理特征，最后利用机器学习的方法把块状区域的特征向量回归到主观的清晰度质量分数。本发明只选取图像纹理最为丰富的区域作为待评价的对象，可以有效的排除图像无关位置的影响，分别从空间域、频域和小波域上提取纹理特征，可以高效的表征图像清晰度的特征信息。

技术领域

本发明涉及的是一种图像处理技术，具体地说，涉及的是一种基于图像锐化特征的移动设备拍照清晰度质量评价方法、系统和终端。

背景技术

随着智能移动设备的快速发展，用户对于移动设备照相功能要求越来越高，越来越多的移动设备厂家推出具有优秀照相性能的相机来增加智能移动设备的竞争力。因此，对于移动设备照相性能的评价也越来越重要。目前，比较流行的评价移动设备照相性能的方法是主观质量评价方法，例如DxOMark公司。主观质量评价的方法的步骤是通过专业摄影人员在使用多个移动设备相机拍摄同一条件下(比如光照、天气等)的同一场景的照片，然后专业人员在仔细比较拍摄的图像，给出图像质量的排名。根据评价移动设备性能的维度(比如清晰度、噪声、HDR等)，会拍摄多个场景下的照片来进行评价。

尽管主观质量评价的方法可以提供符合人眼视觉的评价结果，但是主观评价质量评价方法依然存在许多问题。首先，主观质量评价需要一定的时间以及需要专业人员的参与，这增加了质量评价的成本，并且无法快速给出照片质量的相对好坏。其次，主观质量评价容易受到评价者专业程度的不同，而给不一致的结果。最后，主观质量评价方法难以受到监督，这使得难以公平公正的比较不同设备的拍摄性能。

经过对现有技术的文献检索发现，现有的客观质量评价难以适用于移动设备拍照性能的评价。例如，目前性能较好的客观质量评价方法Structural Similarity Index,SSIM(Zhou Wang等人发表于《IEEE Transaction on Image Processing》第13卷第4期的600页至612页)为全参考质量评价方法，但是移动设备相机在拍摄的过程中并没有参考图像的存在，因此无法适用。对于无参考质量评价方法，大多数都是依据模拟失真类型的图像质量评价库建立的，比如BRISQUE(Anish Mittal等人发表于《IEEE Transaction on ImageProcessing》第21卷第12期的4695页至4708页)等，这些无参考质量评价方法通常只能计算图像差异比较明显的图像，而对于评价移动设备拍摄性能的图像，它们通常具有较高的图像质量，因此，这些无参考图像质量的方法依然无法用于评价移动设备相机的图像质量评价。

发明内容

移动设备相机性能通常涉及多个维度，其中清晰度的特性最为重要，针对现有图像质量评价方法无法评价移动设备相机拍摄性能的困境，本发明提供一种基于图像纹理特征的移动设备拍照清晰度质量评价方法、系统和终端。

根据本发明的第一方面，提供一种移动设备拍照清晰度质量评价方法，包括：

选取图像纹理最为丰富的区域，作为表征待评价图像清晰度质量的块状区域；

计算所述块状区域在空间域、频域和小波域上的纹理特征；

将所述块状区域的纹理特征回归到主观的清晰度质量分数，实现图像质量评价。

可选地，所述选取图像纹理最为丰富的区域，包括：

计算待评价图像的边缘图E；

通过边缘图E，选取表征待评价图像清晰度质量的块状区域p。

可选地，所述计算待评价图像的边缘图E，包括：

使用边缘检测算子计算待评价图像的边缘图E。

可选地，所述通过边缘图E，选取表征待评价图像清晰度质量的块状区域p，包括：