[发明专利]一种基于核稀疏编码的图像质量评估方法

说明书

本发明公开了基于核稀疏编码的图像质量评估方法，包括：S1、收集高清晰度自然场景图像并采样得到图像块训练集，再用Kernel‑KSVD方法训练得到核字典；S2、基于所述核字典用Kernel‑OMP方法对清晰图像的不重叠图像块做稀疏编码得到编码系数、重构残差和自适应选中的字典原子，然后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；S3、分别量化清晰图像和退化图像的系数和残差的差别，得到基于核稀疏编码的图像结构质量分数；S4、提取图像的亮度信息和色彩信息作为图像的辅助特征并量化差异得到辅助质量感知分数；S5、设定超参对上述分数进行加权求和得到最终的图像质量分数。本发明方法能够很好地与人类主观感知的图像质量相兼容，性能优越。

技术领域

本发明涉及计算机领域中图像处理、图像特征提取、客观图像质量评估技术，特别涉及一种基于核稀疏编码的图像质量评估方法。

背景技术

在图像的采集、存储、传输和处理过程中，由于拍摄设备以及环境因素的影响，图像的视觉质量不可避免地发生退化，如噪声、模糊等。客观图像质量评估旨在根据设计的模型自动地预测人类主观感知的图片或视频的质量，定性以及定量地分析视觉质量退化的程度。

在理论层面，研究有效的图像质量评估方法，对于相关应用的系统的优化、图像处理算法的比较以及参数的调整等方面能起到非常重要的作用：首先，其可以用来动态地监测和调整图像的质量状况。例如，图像采集系统可以根据质量排序和评估的结果来自动地调整系统的参数以获得最佳质量的图像数据；在网络数字视频或图像传输服务中，我们可以用质量评估模型来实时地检测当前网络上传输的图像或者视频的质量状况以优化数据流的资源分配。其次，在图像处理系统中，有效的质量评估方法可以作为算法优化和参数优化的参考。例如，在视频编码系统端，可以根据评价模型的结果对预滤波和比特分配等算法进行最优化处理；在视频解码系统端，同样可以根据评价模型的结果对图像分辨率恢复、误码掩盖和后滤波等算法进行优化。质量评估模型的评价结果还可以用于度量图像处理系统及算法的优劣，给我们对相关算法的选择提供一个参考。最后，其还可以用于图像有感压缩和恢复技术。在需要对视频进行压缩的应用中，要求在最少视觉质量损失代价下保留尽可能多的信息，这时质量评价的引入就具有显著的作用。

在实践层面，在现实场景中，人们会对同一个或相似场景进行多次拍摄。由于成像系统和记录设备的不完善，或者由于物体运动、失焦、光照影响等，拍摄的某些照片会有失真和不同程度的降质。这样对于同一场景拍摄的一组照片中，就会有图像质量好坏之分。并且这一组照片高度冗余，人们往往只需要保留一张或少许视觉感知最好的，当有很多组照片的时候，人们手动挑选照片的过程费时且效率低下，这时候就可以引入质量评价模型，对图片的质量进行评估和排序，以协助用户根据质量快速筛选图像，节省用户时间和精力消耗。在一些对图像质量有较高要求的企业，比如一些O2O(Online To Offline)互联网企业需要对用户发送的低质量的图进行过滤，质量评估技术能协助企业更有效地管理图片，从而极大程度减少人为过滤工作。在一些图像搜索网站，根据搜索条件，再结合该技术在大量数据库中淘汰一些非常不利于视觉观看的低质量的图像，可以给用户带来更好的用户体验。

图像质量评估是一个交叉学科研究，其中涉及图像处理、计算机视觉、模式识别、认知学和神经科学等领域，是近年来研究人员研究的热点和难点，也是国际上公认的富有挑战性的课题。有理论研究表明，对于大脑接收的来自外部世界的感知信息如自然场景等，原始视觉皮层使用稀疏编码来表示它们，这种表示方式是神经信息群体分布式表达的一种有效策略。考虑到人往往是主观图像质量评估应用的最终接收者，而依靠人体主观测试又十分消耗时间和精力；且通过稀疏编码提取的特征数据率低，适用于许多应用场景，所以研究字典学习和稀疏编码在客观图像质量评估上的应用是十分有意义的。同时在图像质量评估的应用背景下，通过对字典学习方法的研究与创新，可能会对信号和图像处理的其他某些应用有借鉴意义。