[发明专利]一种失真图像质量评价方法、装置、计算机设备及存储介质

权利要求书

1.一种失真图像质量评价方法，其特征在于，包括：

提取训练图像中的结构信息特征、提取所述训练图像中的纹理信息特征以及提取所述训练图像中的颜色信息特征；

所述提取所述训练图像中的颜色信息特征，包括：

从颜色信息的全局出发，计算所述训练图像的颜色矩并进行特征提取，得到特征f₁；

从颜色信息的局部出发，获取所述训练图像中的相邻像素间的关系，得到当前像素的MSCN直方图和当前像素与4个相邻像素之间的图像参数；

根据所述当前像素的MSCN直方图和当前像素与4个相邻像素之间的图像参数计算三个颜色通道的特征向量，得到特征f₂；

将所述MSCN直方图转化为色调分量，得到第一颜色特征，再将所述训练图像下采样到原始尺寸的一半后得到下采样图像，并获取所述下采样图像的MSCN直方图，将所述下采样图像的MSCN直方图转化为色调分量，得到第二颜色特征，将所述第一颜色特征和第二颜色特征构建为特征f₃；

合并所述特征f₁、特征f₂和特征f₃得到色彩分布特征f_CD；

计算三个颜色通道之间的色调对比，得到局部色差对比特征f_CC；

计算所述训练图像的饱和度特征f_SA：

整合所述色彩分布特征f_CD、色差对比特征f_CC、饱和度特征f_SA，得到所述训练图像的颜色信息特征；

将所述结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量；

根据多个所述训练图像的特征向量和对应的评分值，构建评价模型；

获取待测图像的结构信息特征、纹理信息特征以及颜色信息特征并输入所述评价模型，输出所述待测图像的质量得分。

2.根据权利要求1所述的失真图像质量评价方法，其特征在于，所述提取所述训练图像中的结构信息特征，包括：

按如下公式计算所述训练图像的梯度值GM；

其中I为训练图像的数字矩阵，T为转置矩阵；

将所述训练图像的梯度值进行线性归一化处理，得到梯度幅度特征图；

提取所述训练图像中像素分布在暗区和亮区的二维特征；

整合所述梯度幅度特征图和二维特征，得到所述训练图像的结构信息特征。

3.根据权利要求1所述的失真图像质量评价方法，其特征在于，所述提取所述训练图像中的纹理信息特征，包括：

分解所述训练图像得到低频、第一中频、第二中频以及高频四个子带；

选取所述第一中频、第二中频以及高频三个子带，按如下公式分别计算三个子带的对数能量E_LH、E_HL、E_HH：

其中，S_LH为第一中频，S_HL为第二中频，S_HH为高频，S_XY表示S_LH，S_HL，S_HH中的一个子带，N表示子带中DWT系数的个数，i为行像素灰度值，j为列像素灰度值；

根据所述第一中频、第二中频以及高频三个子带的对数能量E_LH、E_HL、E_HH，得到所述训练图像的纹理特征；

将所述训练图像下采样到原尺寸的一半得到下采样图像，并计算下采样图像的纹理特征，并根据所述训练图像和下采样图像的纹理特征构建所述训练图像的纹理信息特征。

4.根据权利要求1所述的失真图像质量评价方法，其特征在于，所述计算三个颜色通道之间的色调对比，得到局部色差对比特征，包括：

按如下公式计算三个颜色通道之间的色调对比，得到局部色差对比特征f_CC：

其中，M·N为图像块的行列数，I_max、I_min分别表示所述训练图像中每个图像块的最大像素值和最小像素值，C₂为设定参数。