[发明专利]一种夜间图像质量评价方法

说明书

本发明提出了一种夜间图像质量评价方法。首先通过下采样获取不同尺度的夜间图像，然后把原始图像和下采样后的图像序列同时送入到特征提取单元；在特征提取阶段，提取了与质量相关的两类特征：底层视觉特征和高层语义特征。底层视觉特征包括夜间图像的纹理特征和对比度特征；对于高层语义特征，首先利用深度卷积网络提取夜间图像一级高级语义特征，然后采用均值和方差两种特征函数对一级高级语义特征进行聚合，得到二级高级语义特征作为夜间图像的最终高层语义特征。接着对提取的底层特征和高层特征进行聚合。最后，采用偏最小二乘回归法将聚合后的特征进行回归，从而得到夜间图像质量的客观评分。

技术领域

本发明涉及夜间图像处理技术领域，具体是一种夜间图像质量评价方法。

背景技术

夜间图像处理技术在视频监控、智能交通等领域应用广泛。由于夜间图像是在低照度环境下拍摄出来的图像，普遍存在细节模糊、亮度低、对比度低、颜色失真等问题，导致其应用价值大打折扣。因此，研究夜间图像的质量评价模型具有非常重要的理论研究价值。另外，高效的夜间图像质量评价模型可以被应用于夜间图像增强、去雾等算法的性能评价以及优化。因此，夜间图像质量评价模型同样具有非常重要的实际应用价值。

由于夜间场景的特殊性和缺少公开的数据集导致目前针对夜间图像质量评价的研究还较少。夜间图像存在细节模糊、亮度低、对比度低、颜色失真等问题，需要对其质量进行评价。底层视觉特征和高层语义特征对夜间图像的质量均有影响。而目前的夜间图像算法要么只考虑了底层的视觉特征要么只考虑了高层的语义特征。需要设计一种更加符合人类感知的，预测性能更精确的夜间图像质量评价方法。

发明内容

针对上述技术问题，本发明提出了一种夜间图像质量评价方法，本发明首先提取夜间图像的底层视觉特征和高层语义特征，然后把底层和高层特征进行聚合，采用偏最小二乘回归法(Partial least squares regression,PLSR)将聚合后的特征进行回归，从而得到夜间图像质量的客观评分。

本发明提出了一种夜间图像质量评价方法。考虑到人类视觉系统对不同尺度的图像的感知质量是不同的，首先通过下采样获取不同尺度的夜间图像，然后把原始图像和下采样后的图像序列同时送入到特征提取单元；在特征提取阶段，提取了与质量相关的两类特征：底层视觉特征和高层语义特征。底层视觉特征包括夜间图像的纹理特征和对比度特征；对于高层语义特征，首先利用深度卷积网络提取夜间图像一级高级语义特征，然后采用均值和方差两种特征函数对一级高级语义特征进行聚合，得到二级高级语义特征作为夜间图像的最终高层语义特征。接着对提取的低层特征和高层特征进行聚合。最后，采用偏最小二乘回归法将聚合后的特征进行回归，从而得到夜间图像质量的客观评分。

附图说明

图1为本发明图像质量评价算法的流程示意图。

具体实施方式

以下结合附图1进一步说明本发明的图像质量评价算法。

如图1所示，本发明的图像质量评价算法包含四个步骤：步骤1多尺度表示；步骤2特征提取，步骤3多层特征聚合，步骤4质量分数预测。

步骤1，多尺度表示。

把原始的夜间图像表示为I，下采样后的图像表示为I_S。然后把包括把I_S和I的图像序列送到特征提取单元进行特征提取。夜间图像的多尺度特征可以表示为，

其中，O为从原始夜间图像I提取的特征，S是从I_S提取的特征，是拼接运算符。

步骤2，特征提取

特征提取包括2.1底层视觉特征提取和2.2高层语义特征提取。

其中，2.1底层视角特征提取进一步包括2.1.1纹理特征提取和2.2.2对比度特征提取。