[发明专利]一种基于结构相似度映射字典学习的无参考图像质量评价方法有效
| 申请号： | 201810077452.8 | 申请日： | 2018-01-26 |
| 公开（公告）号： | CN108289222B | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 汪斌;陈淑聪 | 申请（专利权）人： | 嘉兴学院 |
| 主分类号： | H04N17/00 | 分类号： | H04N17/00;H04N19/154 |
| 代理公司： | 33200 杭州求是专利事务所有限公司 | 代理人： | 邱启旺 |
| 地址： | 314033 *** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于结构相似度映射字典学习的无参考图像质量评价方法，该方法将字典训练图像集的结构相似度映射图像和参考图像联合训练得到联合字典，采用联合字典对评价训练图像集和评价测试图像集中的失真图像进行稀疏分解，得到其结构相似度映射图，再从中提取多个方向下的灰度共生矩阵并转换成向量，计算灰度共生矩阵向量在多尺度下的标准差、偏度和峰度组合成特征向量，送到支持向量回归机中进行训练和测试，预测得到客观质量评价分值。该方法训练得到结构相似度映射字典，并采用结构相似度映射字典进行特征提取，与大脑视觉皮层的神经特性较吻合，从而能得到预测效果更精确的无参考图像质量评价结果。 | ||
| 搜索关键词： | 结构相似度 映射字典 无参考图像 质量评价 灰度共生矩阵 向量 字典 支持向量回归机 质量评价结果 训练图像集 参考图像 大脑视觉 评价测试 神经特性 失真图像 特征提取 特征向量 图像集中 稀疏分解 映射图像 字典训练 皮层 标准差 多尺度 图像集 映射图 联合 预测 峰度 吻合 测试 学习 转换 | ||
【主权项】：
1.一种基于结构相似度映射字典学习的无参考图像质量评价方法，其特征在于，该方法包括如下步骤：/nS1：将原始图像随机分成评价训练图像集、评价测试图像集和字典训练图像集，所述的评价训练图像集、评价测试图像集和字典训练图像集均包括多幅参考图像和与其对应的失真图像；/nS2：首先将字典训练图像集中的图像进行灰度化处理，设字典训练图像集中参考灰度图像为O，失真灰度图像为Y，采用如下公式计算得到结构相似度映射图，即SSIM映射图；/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于嘉兴学院，未经嘉兴学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810077452.8/，转载请声明来源钻瓜专利网。
