[发明专利]基于边缘链码特征的无参考虚拟视点图像质量评价方法

权利要求书

1.一种基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，该方法包括如下步骤：

步骤一：输入虚拟视点失真图像，如果虚拟视点失真图像是彩色图像，将其转换成灰度失真图像I；

步骤二：采用已训练过的MASK-RCNN模型对输入灰度失真图像I进行目标检测，得到目标掩膜M，计算目标掩膜M的归一化链码，并将归一化链码的均值、方差、峰度和偏度组合成归一化链码特征向量；同时，提取灰度失真图像I的自然度特征向量；

步骤三：将所述归一化链码特征向量和自然度特征向量组合成总特征向量F；

步骤四：将总特征向量F合并主观MOS分值送到支持向量回归机中进行训练，得到训练后的支持向量回归机；

步骤五：将测试图像同样按步骤二～三提取出特征向量F，送到训练后的支持向量回归机中进行测试，得到客观的图像质量评价结果。

2.根据权利要求1所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，所述步骤二中，得到目标掩膜M的子步骤如下：

(1)构建MASK RCNN模型，将初始化权重参数输入到构建的MASK RCNN模型；

(2)将输入灰度失真图像I输入到初始化的MASK RCNN模型进行目标检测，得到目标掩膜M。

3.根据权利要求1所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，所述步骤二中，计算目标掩膜M的归一化链码的子步骤如下：

(1)取出第i个目标掩膜M_i，采用Sobel梯度算子提取目标掩膜的梯度图像G，计算公式如下：

其中，M_i为掩膜M的第i个目标掩膜，为卷积操作，g_x为水平方向的Sobel梯度算子，g_y为垂直方向的Sobel梯度算子，G₁为水平方向的梯度图像，G₂为垂直方向的梯度图像；G为输入灰度失真图像I的梯度图像；

(2)采用Otsu算法对梯度图像G进行二值化处理，得到第i个目标掩膜M_i的梯度图像的二值化图像B_i；

(3)提取二值化图像B_i的归一化链码，具体步骤如下：

(3.1)选取二值化图像B_i上的一个边界点作为起始点；

(3.2)从起始点开始，沿着边界顺时针方向逐点求八链码的指向符表示，将所有边界点的指向符串联起来，得到该目标掩膜M_i的原链码A_i；

(3.3)将步骤(3.2)得到的原链码A_i按一个方向循环，使其构成的自然数最小，得到归一化链码，记为N_i；

(3.4)计算L个目标掩膜M_i的梯度图像的归一化链码N_i的均值、方差峰度和偏度，计算公式如下：

其中，L为目标掩膜M_i的总个数，μ_M为归一化链码均值，σ_M为归一化链码方差，β_M为归一化链码峰度，γ_M为归一化链码偏度；

(3.5)：将步骤(3.4)得到的均值、方差、峰度和偏度，组合成归一化链码特征向量F₁，组合公式如下：

F₁＝[μ_M,σ_M，β_M，γ_M]。

4.根据权利要求3所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，g_x和g_y取值为：

5.根据权利要求1所述的基于边缘链码特征的无参考虚拟视点图像质量评价方法，其特征在于，所述步骤二中，提取灰度失真图像I的自然度特征向量的子步骤如下：

(1)对灰度失真图像I进行归规范化处理，计算公式如下：

其中，为灰度图像(x,y)像素位置的规范化灰度系数，I(x,y)为灰度图像(x,y)像素位置的灰度值，μ(x,y)为灰度图像(x,y)像素位置的局部均值，σ(x,y)为灰度图像(x,y)像素位置的局部标准差，C为避免分母为零而设置的常数，ω表示均值为零、标准差为1的二维高斯加权滤波器系数，S和T分别为二维高斯加权滤波器的半宽度和半高度，二维高斯加权滤波器的宽度为2×S+1，高度为2×T+1；

(2)计算相邻规范化灰度乘积，计算公式如下：

其中，×为相乘操作，P₁(x,y)为0°方向的相邻归规范化灰度乘积，P₂(x,y)为90°方向的相邻规范化灰度乘积，P₃(x,y)为45°方向的相邻规范化灰度乘积，P₄(x,y)为135°方向的相邻规范化灰度乘积；为灰度图像(x,y)像素位置的规范化灰度取值，为灰度图像(x,y+1)像素位置的规范化灰度取值，为灰度图像(x+1,y+1)像素位置的规范化灰度取值，为灰度图像(x+1,y)像素位置的规范化灰度取值，为灰度图像(x+1,y-1)像素位置的规范化灰度取值；

(3)用非对称广义高斯分布对相邻规范化灰度乘积的直方图进行建模，采用公式如下：

其中，x为广义高斯分布的自变量，β_l和β_r为非对称广义高斯分布的左方差和右方差，γ为形状参数，Γ(·)为伽马函数，

(4)用0°方向、90°方向、45°方向和135°方向建模的非对称广义高斯分布参数组成特征向量，其中某一方向采用的特征向量组合公式如下：

Q＝[β_l,β_r,γ]

依此可以得到0°方向、90°方向、45°方向和135°方向的特征向量分别记为Q₀、Q₉₀、Q₄₅和Q₁₃₅，将Q₀、Q₉₀、Q₄₅和Q₁₃₅组合成自然度特征向量F₂，组合公式如下：

F₂＝[Q₀,Q₉₀,Q₄₅,Q₁₃₅]。