[发明专利]一种基于纹理特征的无参考图像质量评价方法

说明书

技术领域

本发明属于图像处理领域，涉及一种图像质量评价方法，尤其涉及一种基于纹理特征的无参考图像质量评价方法。

背景技术

图像质量评价是图像处理领域的关键问题，图像质量评价方法根据是否有人的参与可分成主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法由人对图像进行打分，评价结果精确，但评价过程复杂，耗时时间长，难以得到实时应用。客观图像质量评价方法无需人的参与，通过特定的计算机算法自动预测图像质量，根据是否使用原始无失真图像作为参考，可将图像质量评价方法分成全参考图像质量评价方法，半参考图像质量评价方法和无参考图像质量评价方法。全参考算法使用参考图像的所有信息预测图像质量，半参考图像质量评价方法采用参考图像的部分信息进行图像质量预测，无参考图像质量评价方法不使用参考图像的任何信息进行图像质量评价。本发明设计一种无参考图像质量评价方法。无参考图像质量评价方法分成两类：针对特定失真类型的无参考方法和面向所有失真类型的通用型无参考方法。Moorthy提出了一种基于两步模型的无参考方法BIQI，该方法现对失真类型进行分类，再对每一类别进行质量评价。Bovik提出NIQE算法，该算法通过提取图像的归一化亮度，并用多维高斯分布建模归一化亮度直方图，再提取特征用于图像质量预测。上述算法存在着计算复杂，不能满足实时应用等缺点。针对以上缺点，本发明采用纹理特征进行图像质量评价，图像纹理是图像中存在而难以描述的特征，采用归一化亮度图像的灰度共生矩阵特征描述纹理特征，对图像提取纹理特征后，采用支持向量机对纹理特征进行预测得到客观图像质量评价结果。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于纹理特征的无参考图像质量评价方法。

本发明解决其技术问题所采用的技术方案包括如下具体步骤：

步骤1.将输入图像随机分成训练图像集和测试图像集，并对每幅输入图像进行灰度变换，将彩色图像转换成灰度图像。

步骤2.对每幅灰度图像先进行高斯滤波，得到滤波图像，然后对滤波图像进行下采样，得到不同尺度下的采样图像I。

步骤3.采用大小为N×N的高斯滤波器ω(k,l)对采样图像I进行滤波并求取均值和方差，采用公式如下：

其中，0≤i≤W，0≤j≤H，W为采样图像I的宽度，H为采样图像I的高度。μ(i,j)指采样图像I在坐标为(i,j)处的灰度均值，σ(i,j)指采样图像I在坐标为(i,j)处的灰度均方差，K和L分别为高斯滤波器的高度和宽度。

步骤4.对采样图像I进行归一化操作，采用公式如下：

其中，I(i,j)为坐标为(i,j)处采样图像I的像素取值，C为防止除数为零所加的常数，为归一化图像。

步骤5.对归一化图像求取像素距离d＝1，方向为θ＝0°，θ＝45°，θ＝90°和θ＝135°四个方向的灰度共生矩阵，具体是：

将归一化图像的灰度级缩放并四舍五入取整到[0,255]范围，同时计算方向为θ＝0°，θ＝45°，θ＝90°和θ＝135°四个方向的灰度共生矩阵，分别记为CM₀(p,q)、CM₄₅(p,q)、CM₉₀(p,q)和CM₁₃₅(p,q)，其中p和q分别为灰度共生矩阵横向和纵向上的索引值，且0≤p≤255，0≤q≤255。

步骤6.分别计算得到四个方向灰度共生矩阵的归一化灰度共生矩阵，具体计算公式如下：

步骤7.分别对四个方向的归一化灰度共生矩阵计算能量、熵、对比度和相关性，具体步骤如下：

能量计算公式为：

其中θ＝0°,45°,90°,135°。公式(8)

共生矩阵熵计算公式为：

其中θ＝0°,45°,90°,135°。公式(9)

对比度计算公式为：

其中θ＝0°,45°,90°,135°。公式(10)

相关性计算公式如下：

其中，θ＝0°,45°,90°,135°，μ_x和σ_x为NCM_θ(p,q)在横向的均值和均方差，μ_y和σ_y为NCM_θ(p,q)在纵向的均值和均方差。