[发明专利]一种基于局部二值模式的无参考彩色图像质量评价方法有效
申请号: | 201611197884.X | 申请日: | 2016-12-22 |
公开(公告)号: | CN106600597B | 公开(公告)日: | 2019-04-12 |
发明(设计)人: | 李国宽;黄浩;谢长生;姚巍;李淑丽;王坤 | 申请(专利权)人: | 华中科技大学;深圳华中科技大学研究院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 李欢 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 局部 模式 参考 彩色 图像 质量 评价 方法 | ||
1.一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,该方法包括如下步骤:
(1)读取失真图像样本集中的任一失真图像,提取其R、G、B分量,并计算所述R、G、B分量两两之间的互信息;
(2)分别对所述R、G、B分量进行局部二值模式操作,得到所述R、G、B分量的局部二值模式特征图像,并计算所述局部二值模式特征图像两两之间的互信息;
(3)分别计算所述局部二值模式特征图像的均值、方差、对比度和信息熵;
(4)以所述R、G、B分量两两之间的互信息、所述局部二值模式特征图像两两之间的互信息、均值、方差、对比度和信息熵作为所述失真图像的特征值,构建所述失真图像的多维特征向量;
(5)重复步骤(1)到步骤(4),构建所述失真图像样本集中所有失真图像的多维特征向量;
(6)利用支持向量回归分析对所述失真图像样本集中所有失真图像的多维特征向量与其对应的人眼主观评分进行训练,得到所述失真图像样本集中所有失真图像的多维特征向量与人眼主观评分之间的函数关系模型;
(7)将待评价失真图像的多维特征向量作为所述函数关系模型的输入值,所述函数关系模型的输出值即为所述待评价失真图像的质量评价值。
2.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述R、G、B分量两两之间的互信息通过下式计算:
式中,和分别为IX和IY的边缘概率密度函数,为IX和IY的联合概率密度函数,X,Y∈{R,G,B},且X≠Y。
3.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述局部二值模式特征图像两两之间的互信息通过下式计算:
式中,X,Y∈{R-LBP,G-LBP,B-LBP},且X≠Y,LBP对应为各分量局部二值模式操作。
4.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述局部二值模式的具体方法为:
(21)设所述失真图像样本和待评价失真图像的中心点像素值为ac,将邻域像素值ai与ac进行比较,i=0,1,…,7:
(22)通过对每个邻域像素点赋予不同的权系数2i,i=0,1,…,7;计算所述中心像素ac处的局部二值模式值;
所述局部二值模式值的计算公式为:
5.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述均值通过下式计算:
式中:I(x,y)为像素点(x,y)的像素值,M,N为x,y方向上的像素数。
6.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述方差通过下式计算:
式中:I(x,y)为像素点(x,y)的像素值,M,N为x,y方向上的像素数,μ为均值。
7.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述对比度通过下式计算:
式中:I(x,y)为像素点(x,y)的像素值,M,N为x,y方向上的像素数。
8.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述信息熵通过下式计算:
式中,p(i)表示像素值为i的像素的概率。
9.根据权利要求1所述的一种基于局部二值模式的无参考彩色图像质量评价方法,其特征在于,所述多维特征向量为18维特征向量。
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华中科技大学;深圳华中科技大学研究院,未经华中科技大学;深圳华中科技大学研究院许可,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/pat/books/201611197884.X/1.html,转载请声明来源钻瓜专利网。