[发明专利]基于互补性组合特征与多相回归的盲图像质量评价方法

摘要

本发明提供一种基于互补性组合特征与多相回归的盲图像质量评价方法，在特征提取方面，采有互补性的全局频域和局部空频图像特征，来更准确地捕捉图像感知相关信息。在预测模型构建方面，引入多项支撑矢量回归方案，并通过搜索每幅测试图像的K副近邻来构建其独立的训练样本集。通过该分段回归操作，可以有效提高感知质量预测模型的预测精度。本发明相比于现有的代表性盲图像质量评价方法，该方法更加鲁棒，并且可以取得和人工打分更一致的预测质量打分。

主权项

基于互补性组合特征与多相回归的盲图像质量评价方法，其特征在于，包括以下步骤：步骤1)对测试图像进行互补性组合特征提取：1‑1：将测试图像统一转换为YCbCr通道；1‑2：分别在亮度分量Y通道、蓝色色度分量Cb通道、红色色度分量Cr通道上计算小波域全局幅度分布特征P＝[PY,PCb,PCr]；1‑3：在各通道上计算局部小波域方向梯度直方图HoG特征Q＝[QY,QCb,QCr]；1‑4：在亮度分量Y通道上计算局部二值模式特征LBP；1‑5：将小波域全局分布特征P、局部小波域方向梯度直方图HoG特征以及局部二值模式特征LBP联起来得到总的互补性组合特征步骤2)将测试图像的互补性组合特征输入训练好的支持向量机SVM分类器对测试图像进行分类，SVM分类器输出该测试图像所属失真类型标签；步骤3)计算测试图像与所属失真类型中所有训练图像的相似度，根据相似度从大到小顺序选择前K个测试图像组成训练集，用训练集训练支持向量回归器SVR；步骤4)将测试图像的互补性组合特征输入SVR，SVR输出测试图像的质量打分。