[发明专利]一种无参考混合失真图像质量评价方法

权利要求书

1.一种无参考混合失真图像质量评价方法，其特征在于：该方法包括以下步骤：

S1：提取噪声底层特征，对失真图像总体噪声水平进行估计，利用独立分量分析对混合失真图像进行噪声和失真图像的分离，并判定噪声程度；

S2：分别提取单一失真图像底层特征，利用支持向量回归(Support Vector Regression,SVC)建立失真分类器，同时建立噪声类型的分类器；

S3：对分离出噪声的失真图像和噪声进行失真的底层特征提取，并通过失真分类器判断存在的失真类型，利用噪声分类器判断分离出的噪声类型；

S4：对存在的失真类型，使用每种失真的底层特征进行非线性加权组合作为总的混合失真图像的质量特征；

S5：对混合失真特征使用支持向量机(Support Vector Machine,SVM)进行训练、测试得出质量分数Q；

S6：设定质量阈值分数并进行自适应判断，若图像质量分数低于阈值，利用现有单一失真图像复原算法，逐一地复原图像，在复原过程中，运用解耦模型解除失真间的耦合关系，并对复原后图像，进行质量再评价。

2.根据权利要求1所述的一种无参考混合失真图像质量评价方法，其特征在于：在步骤S1中，利用独立分量分析法(Independent Component Analysis,ICA)对输入的失真图像进行噪声的分离，该算法思想为：

X(t)＝AS(t)+N(t)(1)

其中，t为离散时刻，A为混合矩阵，X为观测信号，在本发明中为混合失真图像，S为未知的原信号，即待获得的去噪后图像，N为噪声信号。

3.根据权利要求1所述的一种无参考混合失真图像质量评价方法，其特征在于：在步骤S3中，对分离出来的失真图像，提取单一失真底层特征，得到所有失真的底层特征集，并根据训练好的分类器，输入提取的特征，根据特征匹配的精确度判定其失真的存在及其失真类型；其中，对于分离出来的噪声进行噪声度量：

$NL={\mathrm{\λ}}_{min}\left({\mathrm{\Σ}}_y\right)={\mathrm{\λ}}_{min}\left({\mathrm{\Σ}}_z\right)+{\mathrm{\σ}}_n^2---\left(2\right)$

式中NL(Noise Level)表示噪声水平，∑_y表示图像块的方差矩阵，λ_min(∑)表示矩阵的最小特征值，表示图像方差。

4.根据权利要求1所述的一种无参考混合失真图像质量评价方法，其特征在于：在步骤S5中，采用带权重的Minkowski和度量方法得到总的客观评价指标：

quality＝(a·block^q+b·ring^q+c·blur^q+......+n·noise^q)^1/q(3)

其中，quality为图像总的客观评价分数，block、ring、blur、noise等代表块效应、振铃效应、模糊、噪声等失真的特征度量值，a、b和c等代表对于特征度量值的权重，q为归一化参数，使得到的评价值与人眼主观分数值(Difference Mean Opinion Score,DMOS)具有相同范围。