[发明专利]基于深度特征感知推理的全参考图像质量客观评价方法

权利要求书

1.一种基于深度特征感知推理的全参考图像质量客观评价方法，包括：

步骤1，对参考图像和失真图像进行预处理得到相应的图像灰度矩阵，将失真图像灰度矩阵分为训练集和测试集；

步骤2，基于小波变换提取所有图像灰度矩阵的视觉多通道信息视图；

步骤3，提取所有图像灰度矩阵的梯度特征视图；

步骤4，提取所有图像灰度矩阵的每个视觉通道的梯度特征视图；

步骤5，针对步骤4所得结果，设计视觉多通道梯度特征信息内推分解算法，将所有图像灰度矩阵每个视觉通道的梯度特征信息分解为有序内容视图和无序内容视图两部分；

步骤6，设计视觉多通道梯度特征信息有序内容视图评价算法，计算所有失真图像质量的每个视觉通道梯度特征信息有序内容视图评价；

步骤7，设计视觉多通道梯度特征信息无序内容视图评价算法，计算所有失真图像质量的每个视觉通道梯度特征信息无序内容视图评价；

步骤8，根据步骤4的结果，计算所有失真图像质量的每个视觉通道梯度特征相似度评价；

步骤9，根据步骤3的结果，计算测试集中所有失真图像质量的梯度特征相似度评价；

步骤10，构建BP神经网络模型；

步骤11，利用训练集中所有失真图像质量的每个视觉多通道梯度特征相似度评价对BP神经网络模型进行学习训练后，将测试集中每帧失真图像质量的每个视觉多通道梯度特征相似度评价输入到训练好的BP神经网络模型进行预测，输出失真图像质量的视觉多通道梯度特征相似度融合评价结果，并对结果做偏置处理；

步骤12，利用训练集中所有失真图像质量的每个视觉通道梯度特征信息有序内容视图评价对BP神经网络模型进行学习训练后，将测试集中每帧失真图像质量的每个视觉通道梯度特征信息有序内容视图评价输入到训练好的BP神经网络模型进行预测，输出失真图像质量的视觉多通道梯度特征信息有序内容视图融合评价结果，并对结果做偏置处理；

步骤13，利用训练集中所有失真图像质量的每个视觉通道梯度特征信息无序内容视图评价对BP神经网络模型进行学习训练后，将测试集中每帧失真图像质量的每个视觉通道梯度特征信息无序内容视图评价输入到训练好的BP神经网络模型进行预测，输出失真图像质量的视觉多通道梯度特征信息无序内容视图融合评价结果，并对结果做偏置处理；

步骤14，利用自适应融合算法对步骤9、步骤11、步骤12以及步骤13所得结果进行融合，获得测试集中每帧失真图像质量的深度特征感知推理评价结果。

2.如权利要求1所述的基于深度特征感知推理的全参考图像质量客观评价方法，其特征在于，步骤1中，所述预处理包括依次进行灰度化处理和高斯低通滤波，训练集与测试集中失真图像数量的比例为1/3～1。

3.如权利要求2所述的一种基于深度特征感知推理的全参考图像质量客观评价方法，其特征在于，步骤3中，采用Scharr算子提取所有图像灰度矩阵的梯度特征视图，提取公式如下：

其中，gx(i,j)为图像灰度矩阵x(i,j)的梯度特征视图，gx(i)、gx(j)分别为梯度特征视图gx(i,j)水平方向投影和垂直方向投影，gx(i)与gx(j)的计算公式分别如下：

式中，*表示卷积运算。

4.如权利要求1所述的基于深度特征感知推理的全参考图像质量客观评价方法，其特征在于，步骤4中，采用Scharr算子提取图像灰度矩阵的视觉通道的梯度特征视图，提取公式如下：

其中，gx_(s,o)(i,j)为图像灰度矩阵x(i,j)的视觉通道(s,o)的信息视图x_(s,o)(i,j)的梯度特征视图，gx_(s,o)(i)与gx_(s,o)(j)分别为梯度特征视图gx_(s,o)(i,j)水平方向投影和垂直方向投影，计算公式分别如下：

式中，*表示卷积运算，下标s和o分别代表视觉通道的尺度因子和方向因子。