[发明专利]基于多算法融合的图像质量评价方法及评价模型

权利要求书

1.一种基于多算法融合的图像质量评价方法，包括：

利用特征提取器对失真类型和图像内容信息进行提取，经过变换后得到概率向量作为其他模块的输入和信息输出；

计算失真图像和参考图像的多个质量评价算法分数，进而得到质量分数向量；

将得到的多个质量分数向量和图像内容概率向量进行非线性变换融合，输出不同失真先验时的图像内容适应性质量评价预测分数向量；

根据失真类型信息给不同失真先验下的预测分数向量 赋予权重，得到具有失真类型适应性的质量评价预测分数作为最终的质量评价分数。

2.根据权利要求1所述的评价方法，所述概率向量为：

其中，失真类型和图像内容信息输出，分别为失真信息和内容信息提取模块，分别为对应的变换，分别为失真图像和参考图像。

3.根据权利要求1所述的评价方法，所述计算失真图像和参考图像的多个质量评价算法分数，进而得到质量分数向量：

4.根据权利要求1所述的评价方法，所述将得到的多个质量分数向量和图像内容概率向量进行非线性变换融合，输出不同失真先验时的图像内容适应性质量评价预测分数向量：

其中，为融合模块。

5.根据权利要求1所述的评价方法，所述根据失真类型信息给不同失真先验下的预测分数向量赋予权重为采用线性加权进行赋予权重。

6.一种基于多算法融合的图像质量评价模型，所述评价模型包括：

失真类型和图像内容信息提取模块，用于利用特征提取器对失真类型和图像内容信息进行提取，经过变换后得到概率向量作为其他模块的输入和信息输出；

质量分数向量计算模块，用于计算失真图像和参考图像的多个质量评价算法分数，进而得到质量分数向量；

非线性变换融合模块，将得到的多个质量分数向量和图像内容概率向量进行非线性变换融合，输出不失真先验时的图像内容适应性质量评价预测分数向量；

线性加权模块，根据失真类型信息给不同失真先验下的预测分数向量 赋予权重，得到具有失真类型适应性的质量评价预测分数作为最终的质量评价分数。

7.根据权利要求6所述的评价模型，所述概率向量为：

其中，失真类型和图像内容信息输出，分别为失真信息和内容信息提取模块，分别为对应的变换，分别为失真图像和参考图像。

8.根据权利要求6所述的评价模型，所述计算失真图像和参考图像的多个质量评价算法分数，进而得到质量分数向量：

9.根据权利要求6所述的评价模型，所述将得到的多个质量分数向量和图像内容概率向量进行非线性变换融合，输出不同失真先验时的图像内容适应性质量评价预测分数向量：

其中，为融合模块。

10.根据权利要求6所述的评价模型，所述根据失真类型信息给不同失真先验下的预测分数向量赋予权重为采用线性加权进行赋予权重。