[发明专利]基于人眼视觉特性的图像质量评价方法

权利要求书

1.基于人眼视觉特性的图像质量评价方法，其特征在于，包括以下具体步骤：

步骤1，生成待评价图像的显著度图像以及显著度权重矩阵，包括：

待评价图像的显著度图像的生成方法为：

1.1，将待评价图像分解为RGB三通道图像，分别对三通道图像进行DCT变换，并利用sign函数获得各个通道的图像描述子；

1.2，对步骤1.1获得的图像描述子进行反DCT变换，重建待评价图像的显著性区域图；

1.3，对步骤1.2中重建的显著性区域图进行合成，生成待评价图像的特征图；

1.4，通过高斯滤波去除步骤1.3中待评价图像的特征图中的噪声，得到待评价图像的显著度图像，并利用人眼视觉灵敏度函数获得显著度权重矩阵；

步骤2，分别对待评价图像及其显著度图像进行尺度划分，采用降采样方法进行图像的尺度划分；

步骤3，对尺度划分后待评价图像的每个尺度进行图像特征的提取，并将各个尺度提取的图像特征进行合并，得到各个尺度下待评价图像的特征质量分布矩阵，图像特征的提取包括：模糊度的提取、噪声度的提取以及方块度的提取，特征质量分布矩阵FQD(x,y)＝Blurriness(x,y)×Noisiness(x,y)×Blockiness，其中，Blurriness(x,y)表示图像的模糊度，Noisiness(x,y)表示图像的噪声度，Blockiness表示图像的方块度；

步骤4，对各个尺度的显著度权重矩阵和质量分布矩阵进行加权处理，得到待评价图像的质量评价指标，实现对待评价图像的质量评价；

待评价图像的质量评价指标为：

其中，λ表示尺度数量，M、N表示第k个尺度图像的长、宽，FQD_k(x,y)表示第k个尺度下待评价图像的特征质量分布矩阵，W_k(x,y)表示第k个尺度下的显著度权重矩阵；

所述方法提取的图像特征是影响人眼视觉的三个特征：图像的模糊度、噪声度和方块度，提取方法如下所示：

(1)模糊度(Blurriness)的提取：图像的模糊度用如下公式计算：

g_b(x,y)＝B(x,y)-B′(x,y)

其中，B(x,y)和B′(x,y)通过两个滤波器获得，将不同尺度的原图像经过滤波器Filter2滤波获得B(x,y)，经过滤波器Filter1和Filter2滤波获得B′(x,y)，滤波器Filter1是一个平均滤波器，滤波器Filter2是一个转换滤波器，并且Filter2对图像滤波之后可以将图像中的所有像素遵循平均值为零的拉普拉斯分布，m、n、p、q为参数，默认值为1；

(2)噪声度(Noisiness)的提取：图像的噪声度通过下面的公式计算：

g_n(x,y)＝N′(x,y)-N(x,y)

其中，N(x,y)的获得依旧用平均滤波器Filter1对原图像滤波获得，而在获取N′(x,y)时，需要在图像中添加一定的高斯噪声，然后再通过Filter1对原图像滤波获得，m、n、p、q为参数，默认值为1；

(3)方块度(Blockiness)的提取：图像的方块度用下面的公式计算：

其中，hN1和hN2是比原图像水平方向阈值大的像素数量，vN1和vN2是比原图像垂直方向阈值大的像素数量，根据上述的第二个公式计算出g_b，g′_b是当原图像的图像块的数量增大15％时，根据g_b的计算公式重新计算出来的值。