[发明专利]一种特征字典映射的图像盲评价方法和装置在审

专利信息
申请号: 201811556919.3 申请日: 2018-12-19
公开(公告)号: CN109635874A 公开(公告)日: 2019-04-16
发明(设计)人: 王伟;王跃利 申请(专利权)人: 中国人民解放军军事科学院评估论证研究中心
主分类号: G06K9/62 分类号: G06K9/62;G06T7/10
代理公司: 北京东正专利代理事务所(普通合伙) 11312 代理人: 李梦福
地址: 100091 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 特征字典 映射 等级模型 评价装置 训练图像 字典 特征提取模块 学习训练模块 质量评价模块 方法和装置 图像数据库 准确度 鲁棒性
【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)=‖Iμ-Iωhc(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;Iμ是图像块局部特征的均值;Iωhc(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,Gx为训练图像相应像素位置的水平梯度;Gy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,si为第i个图像块的相似度;ri为训练图像的第i个图像块;di为退化图像的第i个图像块;P(ri)为中心点ri的相位一致性;P(di)为中心点ri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:

ql=1/L,l=1,2,…,L

其中,ql为第l个等级;Ql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,Ql,k是Ql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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军军事科学院评估论证研究中心,未经中国人民解放军军事科学院评估论证研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811556919.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top