[发明专利]一种基于预注意机制和空间依赖性的无参考图像质量评价方法

说明书

本发明涉及一种图像质量评价方法，特别涉及一种基于预注意机制和空间依赖性的无参考图像质量评价方法，属于图像分析领域。本方法首先将输入图像分解为彩色信息和灰度信息，其中彩色信息通过SCIELAB颜色空间变换得到，同时应用尺度空间对灰度信息做进一步的处理。其次，应用灰度色调共生矩阵从这两部分信息中提取特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，可以嵌入到图像/视频处理相关的应用系统中，具有很强的应用价值。

技术领域

本发明涉及一种图像质量评价方法，特别涉及一种基于预注意机制和空间依赖性的无参考图像质量评价方法，属于图像分析领域。

背景技术

近些年来，随着科学技术的发展，图像产生和传播的成本变得越来越低，这使得图像作为一种优秀的信息传播的媒介，在我们的日常生活中变得越来越普遍，越来越不可缺少。然而，图像在场景采集、编码、网络传输、解码、后期处理、压缩存储和放映的各个阶段都会不可避免的引入失真，例如，在场景采集过程中由于设备参数设定、镜头晃动等因素引起的模糊失真；图像压缩存储引起的压缩失真等等。而失真的引入则会大大降低人们的视觉体验，严重的还会影响到人们的身心健康。如何遏制低质量图像的传播，保证人们的视觉体验，成为了一个亟待解决的问题。

使图像产生和传播的媒体具有自动评价图像质量高低的能力，从而改善媒体输出端图像的质量，对于解决这个问题具有重要意义。

综上所述，对于客观无参考图像质量评价模型的研究具有重要的理论价值和现实意义。本发明提出了一种基于预注意机制和空间依赖性的无参考图像质量评价方法，其参考的已有理论和技术为Treisman等人提出的特征融合理论以及Haralick等人提出的灰度色调共生矩阵。

(一)特征融合理论

Treisman等人提出了特征融合理论，对早期视觉感知过程醉了分析和总结。该理论将人的视觉感知过程分为两个阶段：预注意阶段和注意阶段。在预注意阶段，人眼的感知系统会首先生成当前感知场景的一幅模糊的概略图，这幅模糊图主要包含了感知场景的一些基本的信息，包括结构信息，颜色信息，灰度信息以及方向信息等。这副模糊图会为后续的感知过程提供一些先验知识。而更细节的，更复杂的感知活动会在注意阶段完成。

(二)灰度色调共生矩阵

Haralick等人在对图像分类等问题进行了研究的基础上，提出了灰度色调共生矩阵，用于捕捉图像中的各像素点之间的空间相关性以及统计特性。灰度色调共生矩阵的数学表示如下：

其中，Q_θ，d(i,j)代表方向参数为θ，距离参数为d的灰度色调共生矩阵，代表与角度为θ，距离为d的点。

灰度色调共生矩阵实际上是对图像中具有特定空降关系的像素对个数的统计，为了将二维的矩阵转化为一维的特征表示，Haralick等人还提出了14个特征描述符，这里列出本发明中应用到的四个特征描述符的数学表示：

其中，R代表输入图像的值空间大小。CON代表对比度，是对点对之间相关性的表征，通常用于描述图像纹理的清晰程度；ASM代表角二阶矩，反映了图像的均匀程度和纹理的粗细程度；ENT代表熵，是对图像纹理强度的表征；IDM代表逆差矩，反映了图像中纹理的规则程度。

发明内容

本发明的目的是为了解决无参考图像质量评价中人眼视觉感知系统模拟方法不够完善，对图像中颜色信息的利用不充分，主观一致性差，数据库独立性差，算法稳定性差等问题。