[发明专利]一种基于核稀疏编码的图像质量评估方法

权利要求书

1.一种基于核稀疏编码的图像质量评估方法，其特征在于，包括以下步骤：

S1、从互联网和图像超分辨率应用中收集高分辨率自然场景图像，并从中采样得到图像块训练集，对所有的图像块进行去均值操作，再从中取出样本方差小于集合所有样本方差中位数的样本，再用Kernel-KSVD方法训练得到核字典；

S2、基于步骤S1得到的核字典用核稀疏编码算法对清晰图像的不重叠图像块做稀疏编码得到编码系数和重构残差的向量集合、以及自适应选中的字典原子，然后利用所述字典原子对对应的退化图像块进行稀疏编码得到编码系数和重构残差的向量集合；

S3、对步骤S2得到的清晰图像和退化图像的所有向量集合的每个向量计算其模块，得到图像的编码系数能量特征和重构残差能量特征表示向量，并用相似度度量方法对量化特征差异得到图像结构分数；

步骤S3具体包括下述过程：

经过步骤S2，每个图像块对应一个编码系数向量和重构残差向量，求这两个向量的数学上的二范数，得到一个系数能量特征值和一个残差能量特征值；从一张图像中提取的特征即为所有采样的图像块的系数能量特征值和残差能量特征值连接成的向量；使用图像质量评估中的相似度度量策略，通过量化退化图像和清晰图像的特征之间的差别，得到基于核稀疏编码的图像结构分数，以此衡量退化图像的结构退化程度；

所述对步骤S2得到的清晰图像和退化图像的所有向量集合进行处理得到图像的特征表示向量，具体是分别计算清晰图像和退化图像所有向量集合中每个向量的模长，得到清晰图像的特征表示向量和退化图像的特征表示向量

所述用相似度度量方法对量化特征差异得到图像结构分数具体为：

分别量化编码系数能量特征对与重构残差能量特征对之间的差异，相似度度量采用其中(x，y)表示要度量的特征对，下标i为向量的第i个元素，cst为常量用以避免分母为零的情况；通过相似性的比较得到分数以及分别记为s₁和s₂；

S4、综合考虑图像的亮度以及色彩信息，使用所述相似度度量方法分别对清晰图像和退化图像的亮度和色彩特征差异进行量化得到辅助感知分数s₃和s₄；

所述综合考虑图像的亮度以及色彩信息，具体为：将RGB彩色图像转化为YCbCr空间的彩色图像，对Y通道进行亮度特征的提取，具体为图像相邻不重叠8*8图像块的亮度均值的集合，以及对Cb、Cr通道进行色彩特征的提取，具体为图像相邻不重叠8*8图像块的两通道色彩均值连接后的集合；具体得到亮度特征对(lu^r，lu^d)和色彩特征对(color^r，color^d)；

S5、用图像质量评估中的CSIQ彩色图像库训练权重，对上述得到的图像结构分数以及辅助感知分数进行加权得到最终的图像质量分数s＝β₁*s₁+β₂*s₂+β₃*s₃+β₄*s₄，其中β₁、β₂、β₃、β₄即为加权的权重。

2.根据权利要求1所述的基于核稀疏编码的图像质量评估方法，其特征在于，步骤S1中，采样图像块训练集的过程如下：

利用互联网资源对高分辨率且无退化的自然场景图像进行图片采集工作，每一张采集的图像都包含丰富的结构信息，对采集的图片进行采样得到图像块集合，再对集合中的图像块进行去均值和去除其中结构信息较弱即方差较小的样本，最终得到一组图像块训练集。

3.根据权利要求1所述的基于核稀疏编码的图像质量评估方法，其特征在于，步骤S5中，所述用图像质量评估中的CSIQ彩色图像库训练权重时，训练模型采用线性回归模型。