[发明专利]一种图像质量评价方法、装置及存储介质

权利要求书

1.一种图像质量评价方法，其特征在于，包括以下步骤：

获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；

采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；

提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；

采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；

输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。

2.如权利要求1所述的图像质量评价方法，其特征在于，所述获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像，具体包括：

获取n张标准图像，对每张所述标准图像施加预设的多种不同程度的高斯噪声，对每张所述标准图像施加预设的多种不同程度的高斯模糊，对每张所述标准图像施加预设的多种不同程度的压缩处理，得到m张失真图像；其中，m＞n≥1。

3.如权利要求1所述的图像质量评价方法，其特征在于，所述失真图像的结构特征包括所述失真图像的梯度幅值对应于韦伯分布的形状参数和比例参数。

4.如权利要求1所述的图像质量评价方法，其特征在于，所述失真图像的纹理特征包括局部图像纹理特征和全局图像纹理特征；其中，所述局部图像纹理特征是通过统计所述失真图像中所有像素点的LBP值得到，所述全局图像纹理特征包括灰度共生矩阵的对比度、ASM能量和同质性。

5.如权利要求4所述的图像质量评价方法，其特征在于，所述灰度共生矩阵是通过以下方式得到的：

将所述失真图像的灰度范围压缩量化到L量级，得到量化矩阵；其中，所述失真图像的输入尺寸为H×W，L≥1；

统计与所述量化矩阵中像素值为i的像素的距离为d，方向为θ、且像素值为j的像素出现的次数；其中，1≤i≤L，1≤j≤L，i≠j；

遍历所述量化矩阵，得到所述灰度共生矩阵。

6.如权利要求5所述的图像质量评价方法，其特征在于，所述灰度共生矩阵的对比度的计算公式为所述灰度共生矩阵的ASM能量的计算公式为所述灰度共生矩阵的同质性的计算公式为G_H＝P_d,θ(i,j)/(1+|i-j-2|)；其中，G_C为所述灰度共生矩阵的对比度，P_d,θ(i,j)为所述灰度共生矩阵中坐标为(i,j)的元素h_d,θ(i,j)对应的概率，G_E为所述灰度共生矩阵的ASM能量，G_H为所述灰度共生矩阵的同质性。

7.如权利要求1所述的图像质量评价方法，其特征在于，所述失真图像的曝光度通过信息熵来量化。

8.一种图像质量评价装置，其特征在于，包括：

图像获取模块，用于获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；

图像评价模块，用于采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；

特征提取模块，用于提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；

模型构建模块，用于采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；

测试模块，用于输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。