[发明专利]一种无参考图像模糊质量评价算法

说明书

本发明涉及一种无参考图像模糊质量评价算法，步骤如下：(1)图像预处理对于彩色图像I_c，首先将其转化成灰度图I；(2)图像特征提取利用旋转不变均匀LBP算子对灰度图中每一个像素点进行编码，得到旋转不变均匀LBP图，LBP算子主要受两个指标影响：半径R和采样点P，将户设置为8，R分别设置为1和2，即分别计算在R＝1，P＝8和R＝2，P＝8两种条件下的LBP编码图，并统计相应的直方图；(3)图像特征选取(4)图像模糊质量评价。

技术领域

本发明属于图像处理领域，涉及应用图像特征提取技术评价模糊图像带来的观看质量问题。

背景技术

随着电子科技、网络技术的快速发展，数字图像在人们日常生活中得到广泛应用。手持摄像机、iPai 及手机的普遍应用，使得数字图片信息爆炸性增长。然而，图片在采集的过程中，不可避免地受到散焦的影响，造成图像的模糊。因此，如何有效地评价图像的模糊对电子器件及相应图像处理软件的发展起到至关重要的作用。现阶段，图像质量评价方法可以分为主观评价方法和客观评价方法。主观方法最能反映人眼主观感受，评价结果最有说服力。然而，主观算法费时耗力且移植性差，因此不被广泛应用。客观算法简便、高效，受到研究者的青睐。根据算法对原始无失真图像的依赖程度，客观评价方法又可以分为全参考图像质量评价算法、半参考图像质量评价算法和无参考图像质量评价算法。

近几年，随着图像质量评价研究的不断深入，涌现了大量优秀的图像模糊评价算法。Li等人建立稀疏字典，对图像进行稀疏表示，认为稀疏稀疏的熵可以表示图像的失真程度；模糊会导致图像的高频成分丢失，造成图像梯度的失真，Wang等人提取图像的梯度信息，应用极限学习机进行图像质量评价。也有研究者通过计算图像结构边缘的宽度和斜率来评价图像模糊。Li等人通过提取图像矩特征，根据图像矩的高频信息来反映图像的模糊度。上述方法都在变换域进行操作，时间复杂度高，本发明试图在空间域直接提取图像特征，进行图像模糊评价。因此，本发明试图应用图像特征提取技术评价模糊图像带来的观看质量问题。

[1]Li L,Lin W,Wang X,et al.No-reference image blur assessmentbased ondiscrete orthogonal moments [J].IEEE Transactions onCybernetics,2016,46(1):39-50.

[2]Li L,Wu D,Wu J,et al.Image sharpness assessment by sparserepresentation[J].IEEE Transactions on Multimedia,2016,18(6):1085-1097.

发明内容

本发明的目的在于针对图像模糊带来的观看质量问题，提出一种应用局部二值模式(local binary pattern, LBP)特征算子，评价图像模糊的无参考图像质量评价方法。技术方案如下：

一种无参考图像模糊质量评价算法，步骤如下：

(1)图像预处理

对于彩色图像I_c，首先将其转化成灰度图I。

(2)图像特征提取

利用旋转不变均匀LBP算子对灰度图中每一个像素点进行编码，得到旋转不变均匀LBP图，LBP算子主要受两个指标影响：半径R和采样点P，将P设置为8，R分别设置为1和2，即分别计算在R＝1， P＝8和R＝2，P＝8两种条件下的LBP编码图，并统计相应的直方图。

(3)图像特征选取

将直方图中的元素称之为bin，选取直方图中bin的值作为反应图像模糊程度的特征，当R＝1，P＝8 时，提取第1，2，3，7个bin的值；当R＝1，P＝8时，提取第1，2，3，5,，6，10个bin的值作为反应图像模糊程度的特征。