[发明专利]基于多尺度自然场景统计建立的无参考图像质量感知方法

说明书

本发明公开了一种基于多尺度分析法建立的新无参考图像质量感知方法。该方法能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得，利用深度图像绘制技术造成几何失真破坏自然图像自相似特性，并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量感知方法。根据利用主流数据库来对方法进行性能测试的结果，本发明的性能和现有的评估方法相比有较大优势。值得注意的是，由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究，本发明填补了这方面的空白，为将来无参考图像质量感知算法的提高开辟了一个方向。

技术领域

本发明属于图像质量感知方法，利用多尺度自然场景统计分析法建立一种新型无参考图像质量感知模型，能有效评价基于深度图像绘制技术合成的图像质量。

背景技术

如今很多的影像应用中都需要自由视角及其相关技术，基于深度图像绘制技术合成的图像可为用户提供自由视角的体验，因此，它被广泛应用于远程教育、监控、医疗和娱乐等领域。基于深度图像绘制技术合成的图像原理是通过相邻图像合成出虚拟图像，在此过程中，不可避免会引入几何失真。如图1，几何失真和模糊、噪声失真等相比呈现出不同的视觉影响。几何失真属于局部畸变，常常出现在图像前景中最显著的轮廓位置。其它的典型失真属于全局失真，随机的出现在图像的各个地方。因此，相比来说，几何失真对图像的语义结构的破坏程度更大，对图像质量的影响比典型失真更严重。然而，目前缺乏对基于深度图像绘制等技术合成图像引入的几何失真的质量感知方法的研究。现有的图像质量感知算法多依据于参考图像，由于基于深度图像绘制技术合成的图像本身为虚拟图像，通常不能获取其参考图像，因此现有方法难以适用。

为此，本发明提出了基于多尺度自然场景统计分析的无参考图像质量感知模型。本发明基于两个新的针对基于深度图像绘制技术合成的图像质量感知的自然场景统计模型。一是根据深度图像绘制技术造成几何失真破坏自然图像自相似特性，并且破坏程度随着图像尺寸缩小而趋于减小的先验知识。由此规律，提出了基于自相似性的自然场景统计模型。二是自然图像的主结构退化程度在不同的尺寸间保持一致，然而，基于深度图像绘制技术合成的图像将会破坏这一规律。根据这一统计规律，可以对基于深度图像绘制技术合成的图像进行无参考图像质量感知。最终，将两种统计模型进行结合得到多尺度自然场景统计分析法。

发明内容

本发明利用多尺度自然场景统计分析法建立一种新型无参考图像质量分析模型。本发明融合两个针对几何失真的新的自然场景统计模型对深度图像绘制技术合成的图像的质量进行评价。通过IRCCyN/IVC数据库中的96副图片对该方法进行验证，实验结果表明，本发明对深度图像绘制技术合成的图像的评价效果明显高于已有的图像质量感知方法。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步、通过双边插值技术将Y_i图像进行升采样达到与Y₁相匹配的尺寸，得到近似参考图像

第二步、计算相似度

第三步、计算图像每一个像素点各尺度相似度融合结果

第四步、为了消除升采样引入的模糊失真，通过设置阈值τ，计算出

第五步、计算出基于统计模型一质量感知分数

第六步、计算主结构退化向量m_Y。

第七步、计算出基于统计模型二质量感知分数

第八步、最后融合得到多尺度自然场景统计分析法评估分数。

本发明的原理是：