[发明专利]一种基于支持向量回归的无参考屏幕图像质量评估方法

权利要求书

1.一种基于支持向量回归的无参考屏幕图像质量评估方法，其特征在于，步骤如下：

1)选择失真屏幕图像作为样本屏幕图像组成训练集；

2)计算样本屏幕图像的方向梯度直方图，并转换成列向量，作为该样本屏幕图像的特征信息；

3)利用支持向量回归网络，将所有样本屏幕图像的特征信息结合主观质量分数进行训练，得到屏幕图像特征信息与主观质量分数的映射关系模型；

4)输入待测屏幕图像，计算待测屏幕图像的方向梯度直方图，并转换成列向量，得到相应特征信息；

5)将得到的待测屏幕图像的特征信息结合映射关系模型，输入支持向量回归网络，输出待测屏幕图像的质量分数。

2.根据权利要求1所述的基于支持向量回归的无参考屏幕图像质量评估方法，其特征在于，步骤1)中，随机选取屏幕图像数据集中的若干失真屏幕图像作为样本屏幕图像组成训练集。

3.根据权利要求1所述的基于支持向量回归的无参考屏幕图像质量评估方法，其特征在于，步骤2)中，计算样本屏幕图像的方向梯度直方图，步骤如下：

2.1)灰度化样本屏幕图像；

2.2)计算灰度化后的样本屏幕图像的梯度幅值和梯度方向；

2.3)计算样本屏幕图像的方向梯度直方图，步骤如下：

2.3.1)将梯度幅值图像和梯度方向图像按k个像素值步长分割成若干个块，将每个块均匀分成n个单元；

2.3.2)梯度方向取0度到180度，把梯度方向平均划分成m个区间，在每个单元里面对所有像素的梯度幅值在各个方向区间进行直方图统计；

2.3.3)把块内n个单元的特征向量级联得到一个n×m维向量，再把该样本屏幕图像包含的所有块的特征向量级联，得到样本屏幕图像的方向梯度直方图。

4.根据权利要求3所述的基于支持向量回归的无参考屏幕图像质量评估方法，其特征在于，步骤2.2)中，计算灰度化后的样本屏幕图像的梯度幅值和梯度方向，公式如下：

G(x,y)=Gh(x,y)2+Gv(x,y)2;]]>

θ(x,y)=tan-1(Gv(x,y)Gh(x,y));]]>

其中，G_h(x,y)＝D(x+1,y)-D(x-1,y)，为输入的样本屏幕图像中的水平方向梯度，G_v(x,y)＝D(x,y+1)-D(x,y-1)，为输入的样本屏幕图像中的垂直方向梯度，D(x,y)为输入的样本屏幕图像中的像素点(x,y)处的像素值。