[发明专利]一种图像质量盲评估方法

摘要

本发明提供一种图像质量盲评估方法，包括：步骤1)提取训练图像中降质图像块的特征，估计图像块特征与非降质图像块特征间的偏移；2)用概率潜在语义分析的方法分析不同类型降质，并将不同类型的降质映射为不同的主题分布特征，其中，不同类型的降质包括单一降质和混合降质；3)利用机器学习的方法在图像训练集基础上建立图像主题分布特征与图像质量间的关系，形成混合降质图像的质量盲评价模型；4)用质量盲评价模型评估训练集以外的降质图像质量。本发明的图像质量盲评估方法提高了无参质量评价的准确程度；解决了工程中对混合降质图像进行评估的问题；适用于原始图像无法获得的多媒体系统中图像获取、压缩及传输性能的综合评价。

主权项

1.一种图像质量盲评估方法，其特征在于，包括如下步骤：/n1)在训练图像集中提取降质图像的图像块特征，估计所述图像块特征与非降质图像块特征间的偏移；/n在训练图像集中提取降质图像的图像块特征的具体步骤包括：/n105)将图像块去亮度均值，并作归一化处理去除图像相关性，产生归一化亮度系数/n /n其中I(i,j)为在坐标(i,j)上像素的亮度，常数C＝1，μ(i,j)、σ(i,j)分别为图像块的加权均值与方差：/n /n /n其中，w＝{w_k,l|k＝-K,…,K,l＝-L,…,L}为权重系数，K＝L＝3，归一化亮度系数的分布反应了图像的失真程度；/n106)使用广义高斯分布描述图像的进而提取图像的空域自然统计特征：/n /n /n /n其中，α、β分别是广义高斯分布函数的形状与方差参数，观察水平、垂直、主对角线、次对角线方向上像素乘积对的分布情况，像素乘积对的定义如下：/n /n /n /n /n其中，H(i,j)、V(i,j)、D1(i,j)和D2(i,j)分别表示水平、垂直、主对角线、次对角线方向上像素乘积对；/n107)使用零均值非对称广义高斯分布在上述四个方向上对像素乘积进行建模：/n /n其中：/n /n /n /n其中，ν反映分布形状，σ_l、σ_r分别为非对称广义高斯分布的左方差、右方差，η是非对称广义高斯分布的均值；/n108)拟合计算零均值非对称广义高斯分布在4个方向上的共16个参数，与中心方向上广义高斯分布的α、β参数共同组成图像特征向量；/n109)将图像缩放一次再产生18个特征参数，总计产生36个图像空域特征参数；/n2)用概率潜在语义分析的方法分析不同类型的降质，并将不同类型的降质映射为不同的主题分布特征，其中，所述不同类型的降质包括单一降质和混合降质；/n3)利用机器学习的方法在训练图像集基础上建立图像主题分布特征与图像质量间的关系，形成混合降质图像的质量盲评价模型；/n4)用所述质量盲评价模型评估训练图像集以外的降质图像质量。/n