[发明专利]一种基于深度和局部相似度的图像质量评价方法

权利要求书

1.一种基于深度和局部相似度的图像质量评价方法，包括下列步骤：

第一步：将失真图像和原始图像输入到两个独立的VGG-F网络中，得到失真图像和原始图像的深度特征图；其中，所采用的VGG-F网络为在ImageNet数据集上进行预训练之后的VGG-F网络，深度特征图是VGG-F网络每层卷积层的输出。

第二步：将第一步得到的失真图像和原始图像的深度特征图用Prewitt算子进行卷积运算，得到边缘图；

第三步：将第二步得到的失真图像的各卷积层输出的边缘图和原始图像的相对应的卷积层输出的边缘图进行局部比较，得到二者的相似度，计算各自的深度和局部相似度DLS图；

第四步：通过均值及其标准差MaD池化，将深度和局部相似度DLS图的深度分数和局部相似度分数池化为深度特征级分数，用Q_DF表示。

第五步：将VGG-F网络中某一卷积层中多个深度特征级分数Q_DF合并为一个层级别分数，用Q_layer表示，并将这些层级别分数合并得到整体质量分数，用Q表示。

2.根据权利要求1所述的质量评价的方法，其特征在于：第四步通过均值及其标准差MaD池化，将深度和局部相似度DLS图的深度分数和局部相似度分数池化为深度特征级分数，方法如下：

第一步：计算DLS图的加权平均值，用Q_M表示：

其中DLS(x,y)为深度和局部相似度图，VS(x,y)为根据原始图像得到的视觉显著图；

第二步：计算DLS图的标准差，用Q_D表示，

第三步：通过自适应几何均值将Q_M和Q_D合并为深度特征级分数Q_DF：

Q_DF＝(Q_M)^ω·(Q_D)^1-ω

其中ω＝(Q_D)^β，取β＝2。

3.根据权利要求1所述的质量评价的方法，其特征在于：第五步通过将深度特征分数合并为层级别分数，层级别分数再合并得到整体的分数，其方法如下：

第一步：由VGG-F网络中某一卷积层获得的深度和局部相似度图计算出相应的深度特征级别分数，再将其合并为一个层级别分数，用表示：

其中为第i层的质量分数，F⁽ⁱ⁾为第i层中的深度和局部相似度DLS图的数量；

第二步：将层级别分数的平均值作为失真图像的整体质量得分，用Q表示：

其中L为卷积层的个数。