[发明专利]基于图像分形特征的图像质量客观评价方法

摘要

本发明公开了一种基于图像分形特征的图像质量客观评价方法。本发明具体实施包括如下步骤1.在预处理环节，使用公知数据库中的原始图像进行训练和拟合，得到图像质量评价的基准特征信息——分形维数矩阵和多重分形谱；2.采用盒子记数法分别计算待测失真图像的分形维数矩阵和多重分形谱等图像特征信息；3.将获取的失真图像特征信息与基准参考特征信息进行对比处理，得到其差异，并基于此通过综合处理以客观度量失真图像的质量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性，对于含有特定失真类型的图像质量评价性能更优异。

主权项

基于图像分形特征的图像质量客观评价方法，其特征在于包括以下步骤：步骤(1).根据公知数据库中的原始图像顺序编号，循环读入所有原始图像；步骤(2).分别计算步骤(1)读入的原始图像的分形维数FD；步骤(3).采用盒子记数法分别绘制出步骤(1)循环读入的原始图像的多重分形谱；此方法和步骤(2)中分形维数FD估算基于同样的原理；循环读入的原始图像被划分为边长为r的盒子，然后在每个盒子中进行规范化的测量和计算；步骤(4).利用步骤(2)所获取的分形维数FD，计算循环读入的原始图像的分形维数矩阵；步骤(5).利用步骤(4)所获取的分形维数，将同类的分形维数归为一组；同类的原始图像因为内容相同，所以尺寸大小也一致，分形维数矩阵大小相同，分形维数数组大小也相同；由于失真类型是随机的，且该随机性在统计上符合高斯分布，因此利用该随机性，计算分形维数数组中数据的平均值，将其作为可供参考的分形维数矩阵谱Tref；步骤(6).对步骤(3)所得到的多重分形谱求取平均值，从而实现训练，得到可供参考的多重分形谱；具体方法是：分别计算原始图像组中多幅原始图像的分形谱s个点的平均值来得到一条均值分形谱线；步骤(7).输入待测试的失真图像；步骤(8).利用步骤(2)‑(5)的方法计算步骤(7)输入的待测试图像的分形维数矩阵谱Ttest；步骤(9).利用步骤(3)的方法计算步骤(7)输入的待测试图像的多重分形谱；步骤(10).利用步骤(5)训练得到的可供参考的分形维数矩阵谱Tref和步骤(8)得到的待测试图像的分形维数矩阵谱Ttest，实现分形维数的比较，计算二者之间的差异DT：DT＝∑|Ttest–Tref|     (2)步骤(11).利用步骤(6)得到的均值分形谱线和步骤(9)得到的待测试图像的多重分形谱，分别计算不同坐标(a,f(a))点对应的均值分形谱线和多重分形谱的距离，实现对应图像块多重分形谱的比较，累计计算得到均值分形谱线和多重分形谱之间的谱距离DM；设可供参考的均值分形谱坐标为(αref，f(a)ref)，其中α和f分别是一个包含了多个数据的数组，而待测图像分形谱坐标为(αtest，f(a)test)；则有：d(i)=(αtest(i)-αref(i))2+(ftest(i)-fref(i))2---(3)]]>DM=Σi=0sd(i)---(4)]]>其中，d(i)为第i个数据点的分形谱距离，s为数据点数；步骤(12).利用步骤(10)和(11)计算得到的分形维数差异DT和多重分形谱距离DM，计算无参考图像的质量评价度量Q；Q＝ω1×DT+ω2×DM      (5)其中，ω1和ω2为可以调节的加权系数，ω1+ω2＝1，且ω1∈[0,1]，ω2∈[0,1]；步骤(2)所述的分别计算原始图像的分形维数具体如下：分形维数的计算采用盒子记数法，将原始图像转化为二值图像，然后通过划分格子并记数来计算分形维数，具体如下：将原始图像用边长为r的盒子进行覆盖，然后根据边长r的不同，分别计算不同r对应的盒子数N(r)，最后对r和N(r)取对数求其比值，进而得出原始图像的分形维数FD：FD=-limr→0logN(r)logr---(1)]]>其中，r为盒子边长，N(r)是完全覆盖信号所需的盒子数量；步骤(4)所述的利用步骤(2)所获取的分形维数，计算循环读入的原始图像的分形维数矩阵；具体如下：①对原始图像的尺寸进行调整，具体的通过插值处理将图像的行列变为k的倍数；②然后对调整后的原始图像进行分割，分割成边长为k×k的正方形，得到分割后的原始图像矩阵；③对原始图像矩阵中的每个正方形分别计算分形维数，得到分形维数矩阵；原始图像的分形维数矩阵是一个包含有原始图像分块分形维数的l×p矩阵，其中l和p分别为行和列包含图像分块的个数。