[发明专利]一种具有尺度鲁棒性的图像质量盲评价方法

摘要

本发明提供一种具有尺度鲁棒性的图像质量盲评价方法，包括：采集待评价图像的表征图像特征和图像原始尺度特征；根据在多尺度空间内采集的表征图像特征，获取最佳尺度特征；根据所述最佳尺度特征与图像原始尺度特征建立图像质量评价模型；对所述图像质量评价模型进行训练，通过训练后的图像质量评价模型对图像质量进行评估；本发明可以针对不同分辨率的图像进行图像质量评估，具有尺度鲁棒性，可以有效的区分不同尺度上的相同特征，避免特征混淆导致的图像质量评估性能的降低，适用于对不同的监控视频设备拍摄出的不同分辨率的图像质量进行评估，也适用于对同一图像在不同分辨率的移动终端上进行展示时的质量进行评估。

主权项

1.一种具有尺度鲁棒性的图像质量盲评价方法，其特征在于，包括：采集待评价图像的表征图像特征和图像原始尺度特征；根据在多尺度空间内采集的表征图像特征，获取最佳尺度特征；根据所述最佳尺度特征与图像原始尺度特征建立图像质量评价模型；对所述图像质量评价模型进行训练，通过训练后的图像质量评价模型对图像质量进行评估；对待评价图像进行尺度变换处理，构建尺度空间；对待评价图像进行连续降采样处理，将所有通过降采样处理获取的图像组成金字塔模型；根据高斯差分尺度空间和金字塔模型构建DOG金字塔模型，通过所述DOG金字塔模型每组中上下相邻两层图像相减，获取高斯差分图像，进行极值检测，获取局部极值点，根据所述局部极值点获取待评价图像的特征点；采集所述特征点所在高斯金字塔图像邻域窗口内像素的梯度和方向分布特征，获取每个特征点的基准方向；根据特征点的方向范围预先进行分组，再根据分组对每个特征点的基准方向进行归类，将金字塔模型中高层的特征点映射到原始图像范围的像素域，根据所有高层特征点映射的像素域组成的图像块，获取最佳尺度层。