[发明专利]一种无参考图像质量评价方法及其系统

说明书

本申请公开了一种无参考图像质量评价方法及其系统；其要点在于：包括：图像输入系统、特征提取系统、质量评价网络系统；所述图像输入系统的输出端与所述特征提取系统的输入端连接，所述特征提取系统的输出端与质量评价网络系统的输入端连接。本申请旨在提出一种无参考图像质量评价方法及其系统，注意力机制模块可以有效提取模糊图像的注意力特征，其对于图像的模糊情况具有更好的描述性，解决了自然模糊图像特征复杂难以学习的问题，为成像技术在多领域的应用提供了有效帮助，具有广泛的应用前景。

技术领域

本申请涉及图像处理系统性能评估技术领域，尤其涉及一种无参考图像质量评价方法及其系统。

背景技术

随着科学技术的发展，成像技术在社交媒体、医学、农业、工业、交通、军事等领域得到了广泛的应用。但是在图像的获取、存储、传输和显示等过程中不可避免的会引入一些干扰因素，如噪声、模糊、数据丢失等，这些都会造成图像质量的下降。图像质量的好坏决定了图像信息的可信程度，影响人们对于图像的主观感受和信息量的获取。因此图像质量评价(Image quality assessment，IQA)的研究受到人们的广泛重视。

图像质量评价分为主观评价方法和客观评价方法。主观评价由观察者对图像质量进行主观评分,一般采用平均主观得分(Mean opinion score,MOS)或平均主观得分差异(Differentialmean opinion score,DMOS)(即人眼对无失真图像和有失真图像评价得分的差异)表示,但主观评价工作量大、耗时长,使用起来很不方便；客观评价方法是由计算机根据一定方法计算得到图像的质量指标,根据评价时是否需要相应的清晰图像作为参考图像又可以分为全参考图像质量评价(Full-Reference Image Quality Assessment,FR-IQA)、半参考图像质量评价(Reduced-Reference Image Quality Assessment，RR-IQA)和无参考图像质量评价(No-Reference Image Quality Assessment，NR-IQA)三类。

FR-IQA方法在评价失真图像时,需要提供一个无失真的原始图像,经过对二者的比对,得到一个对失真图像的评价结果，这类方法的准确性较好,但其缺点是需要提供无失真的参考图像,这在实际应用中往往很难得到。

RR-IQA方法不需要将失真图像与原始图像相比较，而只需要将失真图像的某些特征与原始图像的相同特征进行比较，多应用于数字水印验证、视频质量监控和码流率控制等领域。

NR-IQA方法根据失真图像自身的特征来估计图像的质量，完全无需参考图像。无参考方法最具实用价值,有着非常广泛的应用范围。但正是由于没有参考图像,以及图像内容的千变万化,使得无参考图像质量评价相对更为困难。NR-IQA方法分为传统无参考图像质量评价方法和基于神经网络的无参考图像质量评价方法。传统无参考图像质量方法基于空域/频域提取图像特征信息，通过简单加权或滤波处理图像特征等到图像质量评价结果。基于神经网络的无参考图像质量评价方法通过神经网络实现由图像特征到图像质量的映射，从而评价图像质量。

模糊是图像质量损失最常见的原因，产生模糊的原因由两种：人工模糊和自然模糊人工模糊和自然模糊。人工模糊是通过不同类型的滤波器在参考图像中人为加入不同类型的失真类型，而自然模糊是取自真实图像由物体的运动或相机的抖动等引起的。

人工模糊图像通常采用高斯模糊降质，将参考图像与高斯滤波器卷积得到失真图像，模拟生活中比较常见的失焦模糊。自然模糊图像取自生活中真实发生模糊的图像，除了失焦模糊外还包括运动模糊、混合模糊，如果在拍摄长距离场景时相机只是稍微平移，得到的模糊近似空间不变，会产生由于线性运动模糊，当远距离成像遇到湍流时，还会产生大气湍流模糊等。多种模糊情况的存在导致自然模糊图像包含多种失真类型的无序混合，难以通过数学模型实现拟合。