[发明专利]一种基于自然场景统计的深度图像质量无参考评价方法

摘要

本发明提出一种基于自然场景统计的深度图像质量无参考评价方法，包括步骤：(1)收集一组深度图像，并将收集来的深度图像分为两部分，一部分为训练图像，另一部分为测试图像；(2)对每一幅深度图像进行不同尺度上的特征参数提取，提取的步骤为：通过边缘检测提取尺度图像的边缘区域，在边缘区域内求尺度图像梯度幅值和高斯‑拉普拉斯算子的分布，并分别用韦伯分布和非对称高斯分布建立二者的分布函数模型，将两个模型的参数作为深度图像的特征参数；(3)最后，用训练图像的特征参数进行随机森林模型训练，生成客观质量分数评价模型；将测试图像的特征参数输入客观质量分数评价模型，得到测试图像的客观质量分数。

主权项

1.一种基于自然场景统计的深度图像质量无参考评价方法，其特征在于，包括步骤：(1)收集一组深度图像，并将收集来的深度图像分为两部分，一部分为训练图像，另一部分为测试图像；(2)对训练图像和测试图像中的每一幅深度图像分别执行步骤：(2‑1)定义原始深度图像为尺度图像0；对原始深度图像分别进行n次高斯低通滤波，并记第i次的滤波结果为尺度图像i+1，i∈[1,2,…,n]；尺度图像0至n形成具有n+1个尺度的尺度空间；(2‑2)对尺度图像0至n分别进行特征参数提取，包括步骤：对尺度图像i进行边缘检测，提取尺度图像i的边缘区域，i∈[0,2,…,n]；在边缘失真区域内求各像素点的梯度幅值和高斯‑拉普拉斯算子；用韦伯分布拟合边缘失真区域内的梯度幅值分布，得到梯度幅值的韦伯分布函数；用非对称高斯分布拟合边缘失真区域内的高斯‑拉普拉斯算子分布，得到高斯‑拉普拉斯算子的非对称高斯分布函数；提取韦伯分布函数的比例参数和形状参数，以及提取非对称高斯分布函数的均值、形状参数、左尺度参数、右尺度参数；将提取出的6个参数作为尺度图像i的特征参数；(3)将训练图像的特征参数作为随机森林模型的输入数据，训练出客观质量分数评价模型；(4)将测试图像的特征参数作为客观质量分数评价模型的输入数据，得到测试图像的客观质量分数。