[发明专利]一种眼底图像无参考质量评价方法

摘要

本发明公开了一种眼底图像无参考质量评价方法，其包括训练阶段和测试阶段两个过程；其考虑了亮度、自然度和结构布局对眼底图像质量的影响，提取出暗通道比重特征、亮通道比重特征、非均匀亮度特征、自然度质量评价分值和结构布局指标构成特征矢量，然后利用支持向量回归对训练图像集中的所有眼底图像的特征矢量进行训练，构造质量预测模型；在测试阶段，通过计算用作测试的眼底图像的特征矢量，并根据训练阶段构造的质量预测模型，预测得到该眼底图像的质量客观评价预测值，由于获得的特征矢量信息能够较好地反映眼底图像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

主权项

一种眼底图像无参考质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；所述的训练阶段过程的具体步骤为：①_1、选取N幅眼底图像构成训练图像集，记为{Ik|1≤k≤N}；其中，N为正整数，N>1，k为正整数，1≤k≤N，Ik表示{Ik|1≤k≤N}中的第k幅眼底图像，{Ik|1≤k≤N}中的每幅眼底图像的宽度为W，且高度为H；①_2、计算{Ik|1≤k≤N}中的每幅眼底图像的亮度特征矢量，将Ik的亮度特征矢量记为并计算{Ik|1≤k≤N}中的每幅眼底图像的自然度特征矢量，将Ik的自然度特征矢量记为计算{Ik|1≤k≤N}中的每幅眼底图像的结构布局特征矢量，将Ik的结构布局特征矢量记为其中，的维数为3×1，的维数为1×1，的维数为1×1；①_3、将{Ik|1≤k≤N}中的每幅眼底图像的亮度特征矢量、自然度特征矢量和结构布局特征矢量按序排列构成{Ik|1≤k≤N}中的每幅眼底图像的特征矢量，将Ik的特征矢量记为Fk，其中，Fk的维数为5×1，符号“[]”为矢量表示符号，表示将和连接起来形成一个特征矢量，为的转置；①_4、将{Ik|1≤k≤N}中的所有眼底图像各自的特征矢量和主观质量推荐值构成训练样本数据集合，训练样本数据集合中包含N个特征矢量和N个主观质量推荐值；然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有特征矢量进行训练，使得经过训练得到的回归函数值与主观质量推荐值之间的误差最小，拟合得到最优的权重矢量wopt和最优的偏置项bopt；接着利用最优的权重矢量wopt和最优的偏置项bopt，构造质量预测模型，记为f(F)，其中，f()为函数表示形式，F用于表示眼底图像的特征矢量，且作为质量预测模型的输入矢量，(wopt)T为wopt的转置，为F的线性函数；所述的测试阶段过程的具体步骤为：②对于任意一幅用作测试的眼底图像Itest，按照步骤①_2至步骤①_3的过程，以相同的操作，获取Itest的特征矢量，记为Ftest；然后根据训练阶段构造的质量预测模型对Ftest进行测试，预测得到Ftest对应的预测值，将该预测值作为Itest的质量客观评价预测值，记为Qtest，其中，Itest的宽度为W'，且高度为H'，Ftest的维数为5×1，为Ftest的线性函数。