[发明专利]一种图像质量评价方法及装置

说明书

技术领域

本发明涉及图像评价技术，尤其涉及一种图像质量评价方法及装置。

背景技术

目前，绝大部分视频压缩算法采用有损压缩方法去除视觉冗余信息，但是所述压缩将牺牲信源的部分信息，由于经过压缩处理后的视频流或视频片段的质量直接反映了视频压缩算法或视频压缩设备的性能，因此视频的图像质量评价成为一个非常值得关注的问题。

图像质量评价方法包括主观评价方法和客观评价方法。

图像质量的主观评价方法是让观察者根据一些事先规定的评价尺度或自己的经验，对测试图像按视觉效果进行质量判断，并给出质量分数，然后对所有观察者给出的分数进行加权平均，所得的结果即为图像的主观质量分数(MOS，Mean Opinion Score)。这种评价方法虽然较好地反映出了图像质量，但比较容易受其他因素的限制和影响，且不能用于批量处理。

图像质量的客观评价方法是使用一个或者多个图像的度量指标来反映图像的质量状况。通常将这些方法分为三类：全参考质量评价方法，需要原始图像的完整信息作为评价的参考；部分参考质量评价方法，需要原始图像的部分特征或者统计信息作为评价参考；无参考质量评价方法，完全依赖于待评测图像本身的信息来进行质量评价，而无须原始图像的任何信息。

在很多场合，如无线/有线传输网络中，往往无法获得发送端的原始图像信息，因此研究无参考或者部分参考的客观质量评价方法是很有意义的。目前，常用的一种无参考的质量评价方法为：基于小波域的统计特性的无参考图像质量评价方法，该方法利用自然图像在小波域内系数对数沿尺度呈线性递减、近似斜率相同的线性分布的特性，计算各尺度内的系数对数的平均值与预测值之间的差值，加权求和，得出图像的客观质量分数。

但是，发明人发现这种图像质量评价方法得到的评价结果随图像内容变化波动较大，评价结果往往不够准确，稳定性差。

发明内容

有鉴于此，本发明要解决的技术问题是，提供一种图像质量评价方法及装置，能够提高图像质量评价结果的准确性和稳定性。

为此，本发明实施例采用如下技术方案：

本发明实施例提供一种图像质量评价方法，包括：

根据预设数量图像的人眼视觉特征参数以及预设的各种主观评价结果进行训练，得到人眼视觉评价模型，所述模型为：人眼视觉特征参数作为输入变量、质量评价结果作为输出的函数；

获取待评价图像，提取待评价图像的人眼视觉特征参数；

根据提取到的所述特征参数利用人眼视觉评价模型计算得到对于待评价图像的质量评价结果。

本发明实施例还提供一种图像质量评价装置，包括：

训练单元，用于根据预设数量图像的人眼视觉特征参数以及预设的各种主观评价结果进行训练，得到人眼视觉评价模型，所述模型为：人眼视觉特征参数作为输入变量、质量评价结果作为输出的函数；

提取单元，用于获取待评价图像，提取待评价图像的人眼视觉特征参数；

计算单元，用于根据提取到的所述特征参数利用人眼视觉评价模型计算得到对于待评价图像的质量评价结果。

对于上述技术方案的技术效果分析如下：

根据预设数量图像的人眼视觉特征参数以及图像等级进行训练，得到人眼视觉评价模型，从而当需要对图像进行质量评价时，只需相应提取图像的人眼视觉特征参数，利用所述评价模型即可计算得到该图像的评价结果，通过评价模型的建立，降低了图像内容对于质量评价结果的影响，增强了质量评价结果的准确性和稳定性。

附图说明

图1为本发明实施例一种图像质量评价方法流程示意图；

图2为本发明实施例另一种图像质量评价方法流程示意图；

图3为本发明实施例一种图像质量评价装置结构示意图；

图4为本发明实施例另一种图像质量评价装置结构示意图；

图5为本发明实施例图像质量评价装置中提取子单元的一种实现结构图；

图6为本发明实施例图像质量评价装置中提取子单元的另一种实现结构图。

具体实施方式

现有技术中利用小波变换可以多分辨率或多尺度地分析信号，非常适合模拟人类视觉系统(HVS)的多通道和对数特性。具体的，利用自然图像在小波域内系数对数沿尺度呈线性递减、近似斜率相同的线性分布的特性，可以通过训练进行直线拟合。对于失真图像，系数对数的平均值沿尺度偏离很大，可以通过计算各尺度内的系数对数的平均值与预测值之间的差值，加权求和，得出图像的客观质量分数。