[发明专利]一种基于视觉测量率自适应融合的全参考图像质量客观评价方法

摘要

本发明公开了一种基于视觉测量率自适应融合的全参考图像质量客观评价方法，包括：首先，通过设计视觉多通道自适应调节的测量率来构造各个视觉通道的随机压缩测量矩阵，实现对图像的各个视觉通道信息视图进行稀疏投影变换；然后，再对各个视觉通道的投影系数矩阵进行质量评价，并通过构建BP神经网络来实现对各个视觉通道评价结果的初次融合；最后，基于回归函数实现视觉多通道测量率融合评价和视觉多通道相似度融合评价的二次互补融合。这样使得各项评价指标都维持了最高水平，大多数情况下具有较大的优势，并且具有更好的稳定性。

主权项

1.一种基于视觉测量率自适应融合的全参考图像质量客观评价方法，其特征在于，包括：步骤1，选取一个图像质量数据库，对该图像质量数据库中所有的参考图像和失真图像进行预处理得到相应的图像灰度矩阵，并将图像灰度矩阵分为训练集和测试集；步骤2，基于小波变换提取所有图像灰度矩阵的视觉多通道信息视图；步骤3，设计视觉多通道相似度质量评价算法，根据参考图像灰度矩阵的视觉多通道信息视图，并利用该视觉多通道相似度评价算法计算所有失真图像灰度矩阵的视觉多通道相似度质量评价；步骤4，设计视觉多通道测量率系数；步骤5，基于所设计的视觉多通道测量率系数，构造视觉多通道随机测量矩阵；步骤6，将构造的视觉多通道随机测量矩阵与所有图像灰度矩阵的对应视觉通道信息视图相乘，得到所有图像灰度矩阵的视觉多通道投影矩阵；步骤7，设计视觉多通道投影矩阵信噪比质量评价算法，利用该视觉多通道投影矩阵信噪比质量评价算法计算所有失真图像灰度矩阵的视觉多通道投影矩阵信噪比质量评价；步骤8，构建BP神经网络模型；步骤9，利用训练集中所有失真图像灰度矩阵的视觉多通道相似度质量评价对BP神经网络模型进行学习训练后，将测试集中每帧失真图像灰度矩阵的视觉多通道相似度质量评价输入到训练好的BP神经网络模型进行预测，输出失真图像灰度矩阵的视觉多通道相似度融合质量评价结果，并对该结果进行偏置处理；步骤10，利用训练集中所有失真图像灰度矩阵的视觉多通道投影矩阵信噪比质量评价对BP神经网络模型进行学习训练后，将测试集中每帧失真图像灰度矩阵的视觉多通道投影矩阵信噪比质量评价输入到训练好的BP神经网络模型进行预测，输出失真图像灰度矩阵的视觉多通道投影矩阵信噪比融合质量评价结果，并对该结果进行偏置处理；步骤11，利用自适应融合算法对步骤9和步骤10所得结果进行融合，获得测试集数据库中每帧失真图像的视觉测量率自适应融合评价结果。