[发明专利]一种特征字典映射的图像盲评价方法和装置

权利要求书

1.一种特征字典映射的图像盲评价方法，其特征在于，该图像盲评价方法包括：

S1：根据LIVE图像数据库，提取训练图像的特征；

S2：根据训练图像提取的特征，获得图像的质量等级模型字典；

S3：根据质量等级模型字典，评价任意待评价图像的质量。

2.根据权利要求1所述特征字典映射的图像盲评价方法，其特征在于，步骤S1的具体过程包括：

S11：对训练图像进行高斯滤波，得到训练滤波图像；所述训练图像为LIVE图像数据库中具有人类打分数据的图像；

S12：将训练滤波图像分割成互相重叠的图像块；

S13：从各训练滤波图像块中提取局部特征；

S14：从各训练滤波图像块中提取全局特征；

S15：由所述全局特征和所述局部特征共同组成该图像块的特征向量。

3.根据权利要求2所述特征字典映射的图像盲评价方法，其特征在于，步骤S13中采用显著性准则和梯度幅值准则提取局部特征；

所述显著性准则为：

S(x,y)＝‖I_μ-I_ωhc(x,y)‖

其中，(x,y)为二维图像中的横纵坐标点；S(x,y)为(x,y)点的显著性；I_μ是图像块局部特征的均值；I_ωhc(x,y)为训练图像进行高斯模糊后(x,y)点的像素值；||*||是L2范数；

所述梯度幅值准则为：

其中，G_x为训练图像相应像素位置的水平梯度；G_y为训练图像相应像素位置的垂直梯度；

和/或，

步骤S14中采用无参考图像质量评价BRISQUE模型提取图像块所有像素值的峭度值S和峰度值K的统计特性作为全局特征；

所述的峭度值S为：

所述的峰度值K为：

其中，和SD分别代表着整幅图像像素灰度值的均值和方差，n为像素数目。

4.根据权利要求2所述特征字典映射的图像盲评价方法，其特征在于，步骤S2的具体过程包括：

S21：对于训练滤波图像及其对应训练图像，计算相似度；相似度的计算表达式为：

其中，s_i为第i个图像块的相似度；r_i为训练图像的第i个图像块；d_i为退化图像的第i个图像块；P(r_i)为中心点r_i的相位一致性；P(d_i)为中心点r_i的梯度幅值；m和n是正值常量；

S22：用池化策略对相似度进行归一化，得到归一化得分；归一化计算公式如下：

其中，c为常数；

S23：对归一化后的图像块按分数进行分组；分组计算公式如下：

q_l＝1/L，l＝1,2,…,L

其中，q_l为第l个等级；Q_l为第l个组；

S24：用K均值聚类算法计算每一组图像的特征向量类心，即为质量等级模型字典；

其中，Q_l,k是Q_l组中第k个类。

5.根据权利要求4所述特征字典映射的图像盲评价方法，其特征在于，步骤S3的具体过程包括：

S31：对任意待评价图像进行高斯滤波，得到待评价滤波图像；

S32：将待评价滤波图像分割成互相重叠的图像块；

S33：从各待评价图像块中提取局部特征；

S34：从各待评价图像块中提取全局特征；

S35：由全局特征和局部特征共同组成待评图像块的特征向量；

S36：归一化待评价图像块；

S37：用K均值聚类算法聚类计算待评价图像块特征向量类心，以及计算待评图像块特征向量类心与各字典类心的距离；

S38：将两个最小距离的倒数之和归一化，加权平均乘以对应类心质量作为待评价图像块的质量；

S39：对所有待评价图像块求平均值，得到整幅待评价图像的质量。