[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

说明书

本发明提供了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；将得到的多个客观质量评价算法分数和图像内容信息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；根据失真类型信息给不同失真先验下的预测分数赋予权重，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。

技术领域

本发明涉及图像质量评价领域，尤其涉及一种基于多算法融合的图像质量评价方法及评价模型。

背景技术

高质量的视频和图片能给人们提供准确而又清晰的视觉信息。然而，在图像和视频的获取、压缩、传输以及重建过程中难免会产生失真。因此，为了保障用户的视觉体验，需要设计准确的质量评价算法来指导和优化图像处理和视频编码系统。

衡量用户体验的方法就叫做质量评价(Quality Assessment，QA)，目前存在两种方法可以衡量用户体验感受，第一种就是主观质量评价，也就是通过主观实验获取被试者观看图像/视频的主观感受，给出一个具体的质量分数。但是由于主观实验需要消耗大量人力物力，在实时应用中是无法实现的。所以在实际应用中一般采用第二种方法，客观质量评价，即通过分析图像或者视频的内容，利用参数或者基于学习的模型来自动预测当前图像或者视频的质量。而根据能否提供参考图像，客观质量评价又可以分为全参考质量评价，半参考质量评价和无参考质量评价，本发明提出的方法属于全参考质量评价方法。

现有的全参考质量质量评价方法可以大致分为五类，分别为基于像素误差(MSE)，基于结构相似度(SSIM等)，基于信息理论(VIF)，基于学习(LPIPS等)以及基于融合。其中，单一的全参考质量评价方法往往无法在全部的失真类型和图像内容上表现良好。因此，有必要通过设计一种基于融合的质量评价方法，能适应失真类型和图像内容的变化，使得针对多种失真类型和图像内容的质量评价都变得可靠。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于多算法融合的图像质量评价方法及评价模型，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的一方面，提供了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；

将得到的多个客观质量评价算法分数和图像内容信息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；

根据失真类型信息给不同失真先验下的预测分数赋予权重，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。

其中，所述概率向量为：

V_D＝T_D(F_D(I_D,I_R))

V_C＝T_C(F_C(I_R))

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

其中，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：