[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

说明书

本发明公开了一种基于局部二值模式的无参考彩色图像质量评价方法，其包括如下步骤：计算失真图像的互信息、均值、方差、对比度和信息熵，并将所述互信息、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；利用支持向量回归分析对所述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，得到所述失真图像的多维特征向量与人眼主观评分之间的函数关系模型；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。本发明的方法不仅充分考虑了图像的色彩变化，而且能够更有效、更准确地对彩色图像进行质量评价。

技术领域

本发明属于彩色图像质量评价领域，更具体地，涉及一种基于局部二值模式的无参考彩色图像质量评价方法。

背景技术

随着社会信息化进程不断推进，数字图像与人类生产生活的关系日益密切，人们对图像质量的要求也越来越高。一幅好的图像应该具有美观、清晰、层次丰富、目标突出等特点，可以给人更多信息，并且使人易于接受和理解。然而，在数字图像处理涉及的各个环节中，包括图像采集、存储、编码压缩、传输、重建等，图像很容易受到诸如传输介质、处理技术、成像系统、物体运动等一些不可控因素的影响，使得图像不可避免引入一些干扰，造成质量降低，因此图像质量评价是图像处理研究领域中至关重要的一个环节，非常有必要在图像采集、编码压缩、图像去模糊、网络传输等领域建立有效的图像质量评价机制。

图像质量评价方法可分为主观评价方法和客观评价方法，它们是按照评价主体不同来划分的，前者由人来直接评价，后者由算法模型来预测；客观评价方法按照原始图像的可利用程度不同又可分为全参考图像质量评价——原图像信息完全可用、半参考(部分参考)图像质量评价——原图像信息部分可用、无参考图像质量评价——原图像信息不可用。实际应用中一般是没有原始无失真图像作为参考的，因此全参考或部分参考评价方法很难开展，只能借助于无参考评价方法。无参考图像质量评价极具实用价值，它可分为两大类：面向特定失真的方法和非特定失真的方法，前者需要事先知道失真类别，使得其应用范围受限；后者基于训练和学习，是新兴的研究方向。

目前大部分的图像质量评价研究都是关于全参考的，但许多实际应用中，图像质量评价系统不能或难以获取原始无失真参考图像，因此迫切需要开发能够对图像质量进行盲评价的方法，无参考图像质量评价方法显得尤为重要。无参考图像质量评价作为一个全新的研究领域，正受到越来越多科研人员的青睐。近年来，公开发表的有关无参考图像质量评价的研究成果渐渐增多，所提出的算法性能不断优化升级。国内外很多专家学者相继投入到无参考评价方法的研究工作中，推动这一领域不断向前发展。

无参考图像质量评价直接评价失真图像本身，预先不必获得参考图像的任何先验知识，整个评价过程中没有参考图像出现。无参考图像质量评价方法更符合实际应用的需求，用途广泛，使用灵活。一方面，大多数实际应用中不能获得高品质的参考图像；另一方面，在完全不具备任何参照物的情况下，人天生就能够轻易地对图像或视频的质量给出独立且较为准确的鉴定。无参考图像质量评价方法将是图像质量评价领域最终的研究方向。目前全参考图像质量评价最为成熟，而无参考图像质量评价的研究还处于初级阶段，相关技术还不够完善，存在相当大的提升空间，原因在于当前人们对人类视觉系统的特性和大脑认知过程的理解程度相当有限，无参考评价方法的设计与建模仍是一项十分艰巨的任务。

现有的无参考质量评价方法主要是通过机器学习来预测评价模型的，但针对彩色图像，大多数方法将彩色图像转换为灰度图像进行图像质量评价，这类方法忽略了图像的色彩信息，而且在彩色图像灰度化过程中存在计算误差和原数据一致性的丢失，对于失真度不大的受损彩色图像无法有效地识别其失真类型并评估其质量。因此本发明将从色彩信息出发研究新的无参考彩色图像质量评价方法，以满足彩色图像的有效无参考评价。