[发明专利]一种基于视觉测量率自适应融合的全参考图像质量客观评价方法

权利要求书

1.一种基于视觉测量率自适应融合的全参考图像质量客观评价方法，其特征在于，包括：

步骤1，选取一个图像质量数据库，对该图像质量数据库中所有的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，并将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，设计视觉多通道相似度质量评价算法，根据参考图像灰度矩阵的视觉多通道信息视图，并利用该视觉多通道相似度质量评价算法计算所有失真图像灰度矩阵的视觉多通道相似度质量评价；

步骤4，设计视觉多通道测量率系数，所述视觉多通道测量率系数采用以下公式获得：

式中，C(s,o)为视觉多通道测量率系数，K为经验调节系数，max(·)表示求最大值，N₁,N₂分别为视图x_(s,o)(i,j)和视图y_(s,o)(i,j)中灰度值不为0的像素数量，P×Q为x_(s,o)(i,j)的矩阵大小，CSF(s,o)为视觉多通道对比度敏感函数；

步骤5，基于所设计的视觉多通道测量率系数，构造视觉多通道随机测量矩阵；

步骤6，将构造的视觉多通道随机测量矩阵与所有图像灰度矩阵的对应视觉通道信息视图相乘，得到所有图像灰度矩阵的视觉多通道投影矩阵；

步骤7，设计视觉多通道投影矩阵信噪比质量评价算法，利用该视觉多通道投影矩阵信噪比质量评价算法计算所有失真图像灰度矩阵的视觉多通道投影矩阵信噪比质量评价；

步骤8，构建BP神经网络模型；

步骤9，利用训练集中所有失真图像灰度矩阵的视觉多通道相似度质量评价对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灰度矩阵的视觉多通道相似度质量评价输入到训练好的BP神经网络模型进行预测，输出失真图像灰度矩阵的视觉多通道相似度融合质量评价结果，并对该结果进行偏置处理；

步骤10，利用训练集中所有失真图像灰度矩阵的视觉多通道投影矩阵信噪比质量评价对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灰度矩阵的视觉多通道投影矩阵信噪比质量评价输入到训练好的BP神经网络模型进行预测，输出失真图像灰度矩阵的视觉多通道投影矩阵信噪比融合质量评价结果，并对该结果进行偏置处理；

步骤11，利用自适应融合算法对步骤9和步骤10所得结果进行融合，获得测试集数据库中每帧失真图像的视觉测量率自适应融合评价结果。

2.如权利要求1所述的基于视觉测量率自适应融合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1所述的基于视觉测量率自适应融合的全参考图像质量客观评价方法，其特征在于，步骤2中，采用Log-Gabor小波变化方法提取所有图像灰度矩阵的视觉多通道信息视图，具体如下：

v_(s,o)(i,j)＝F^-1[G(ω,θ_j)×F(f(i,j)]

式中，f(i,j)代表原始图像，v_(s,o)(i,j)代表对原始图像f(i,j)提取的视觉通道(s,o)信息视图，s、o分别为log-Gabor尺度因子和方向因子，F(·)表示频域正变换，F^-1(·)表示频域逆变换，G(ω,θ_j)为log-Gabor的频率函数表达式。