[发明专利]一种基于深度森林分类的无参考图像质量评价方法

说明书

本发明公开了一种基于深度森林分类的无参考图像质量评价方法，包括：步骤1，图像分类；步骤2，提取图像的颜色质量特征；步骤3，提取图像的纹理质量特征；步骤4，利用深度森林分类模型中决策树提取特征的不同，模拟不同人对图像质量认知的差异，构建深度森林分类模型对图像质量进行分类，包括多粒度扫描森林和级联森林；步骤5，基于图像质量特征及其类别标签，对深度森林分类模型进行训练，得到测试图像归属于不同类别的概率，即不同人对图像质量主观评价结果的统计信息；步骤6，设置质量锚，结合图像归属于不同类别的概率，充分考虑主观评价过程中的差异性，得到最终的图像质量评分；本发明中所述无参考图像质量评价方法，利用深度森林模拟不同人对图像质量认知的差异，从而给出图像质量评价结果，具有重要的理论意义和实践价值。

技术领域

本发明涉及图像处理技术、计算机视觉与人工智能领域，具体涉及一种基于深度森林分类的无参考图像质量评价方法。

背景技术

随着图像采集设备的普及，人们开始在生活中大量的运用图片来保存和采集信息。但是，图像在采集、传输、恢复及存储等过程都会造成不同类型不同程度的失真，严重影响人们对图像信息的提取和理解，甚至容易产生错误的信息，误导人们对图像的理解。因此，如何评判图像质量的优劣成为了亟待解决的问题。

针对参考信息的不同，图像质量评价方法可以分为三类：全参考、半参考和无参考。其中，全参考和半参考都需要提供参考图像信息，适用范围较窄。无参考图像质量评价由于不需要提供参考图像信息，成为了学者们研究的主流。现有的无参考图像质量评价方法往往忽略了不同人对图像质量认知的差异性，很难给出准确的图像质量评价。

申请号201811406907.2，发明名称为“一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法”公开了一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法，该方法包括：(1)提取出红色、绿色和蓝色图像分量，将三个分量组成彩色向量；(2)根据彩色向量计算出彩色向量夹角图像，并从彩色向量夹角图像中提取出CLBP特征和DLBP特征，并根据其均值、标准差、偏度、峰度和熵合成得到特征向量；(3)将特征向量送入支持向量机(SVM)中训练和测试，得到客观图像质量分值。该方法虽然考虑了图像的空间邻域失真信息和彩色失真信息，但是统一将所有的特征向量输入到SVM中测试，忽略了不同人对图像质量认知的差异性，不能很好的反映人们对图像的主观认知。在本发明所采用的深度森林中，每棵树通过提取不同的特征对图像质量进行评判，有效模拟了每个人在进行图像质量判断时侧重点的不同，能够达到更好的模拟图像主观质量评价过程的效果。

申请号201510398035.X，发明名称为“基于色彩感知的通用无参考图像质量评价方法”公开了一种基于色彩感知的通用无参考图像质量评价方法，该方法包括：(1)根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性，提取G分量均值减损对比归一化系数及其4方向邻域系数的统计特征；(2)根据RGB色彩空间中R、G及B分量间的强相关性，分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息统计特征：(3)结合G分量MSCN系数的统计特征和各色彩分量间的互信息统计特征，分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型。该方法虽然能够适应于多种失真类型图像，但是其通过SVR直接得到图像质量评分，不符合人类对图像更容易给出定性判断的特性。而本发明利用深度森林对图像质量先进行分类，然后通过图像质量锚和图像被分为不同类的概率值得到图像质量评分。相对于该方法，本发明更符合人类对图像易给出定性判断，而非定量判断的特性。