[发明专利]一种卡通图像质量评价方法

说明书

本发明公开了一种卡通图像质量评价方法，其在训练阶段，考虑到饱和度、对比度和亮度调整对卡通图像质量的影响，提取出结构特征矢量和颜色特征矢量构成特征矢量，然后利用支持向量回归对所有调整后的卡通图像的特征矢量进行训练，构造调整后的卡通图像的支持向量回归训练模型；在测试阶段，通过计算测试集中的调整后的卡通图像的特征矢量，并根据训练阶段构造的调整后的卡通图像的支持向量回归训练模型，预测得到测试集中的调整后的卡通图像的客观质量评价预测值，由于获得的特征矢量具有能够较好地反映饱和度、对比度和亮度调整对卡通图像质量的影响，因此有效地提高了客观评价结果与人眼主观感知之间的相关性。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种卡通图像质量评价方法。

背景技术

卡通动漫作为一种重要的艺术形式，在娱乐消遣、儿童教育等众多领域中发挥着重要作用，特别是随着互联网的快速发展，卡通化艺术得到了越来越广泛地传播，人们对高质量的卡通图像/视频的需求也在不断地增加。但是，除了图像获取、存储、传输和显示环节引入的模糊、噪声、压缩伪影等失真会降低图像质量，后期人们为了获得更好的视觉体验，也会基于饱和度、对比度、亮度对图像的颜色进行调整。因此，考虑到人类视觉系统对大面积色块和边缘变化比较敏感，有必要对处理后的卡通图像进行有效的质量评价。

目前，尽管图像质量评价方法越来越成熟，但是这些评价方法都是为自然图像设计的。卡通图像与自然图像存在明显的差异，具有不同的统计特征，卡通图像通常由平坦的色块和边缘清晰的线条组成，缺乏复杂的纹理信息，现有的评价方法对卡通图像的鲁棒性不高。因此，如何在评价过程中有效地提取出视觉特征，使得客观评价结果更加感觉符合人类视觉系统，是在对卡通图像进行客观质量评价过程中需要研究解决的问题。

发明内容

本发明所要解决的技术问题是提供一种卡通图像质量评价方法，其能够准确地自动评价卡通图像质量，且有效地提高了客观评价结果与主观感知之间的相关性。

本发明解决上述技术问题所采用的技术方案为：一种卡通图像质量评价方法，其特征在于包括以下步骤：

步骤1：选取N幅原始的卡通图像；然后对每幅原始的卡通图像分别进行L个不同等级的饱和度调整、L个不同等级的对比度调整以及L个不同等级的亮度调整，得到每幅原始的卡通图像对应的3L幅调整后的卡通图像，包含L幅饱和度调整后的卡通图像、L幅对比度调整后的卡通图像、L幅亮度调整后的卡通图像；再将N幅原始的卡通图像对应的共N×3L幅调整后的卡通图像构成卡通图像集合，将卡通图像集合中的第p幅调整后的卡通图像记为Y_p；其中，N为正整数，N＞1，L为正整数，L＞1，p为正整数，1≤p≤N×3L，Y_p的宽度为Width且高度为Height；

步骤2：采用主观质量评价方法，获取卡通图像集合中的每幅调整后的卡通图像的平均主观评分差值，将Y_p的平均主观评分差值记为DMOS_p；

步骤3：计算卡通图像集合中的每幅调整后的卡通图像的结构特征矢量，将Y_p的结构特征矢量记为其中，的维数为10×1；并计算卡通图像集合中的每幅调整后的卡通图像的颜色特征矢量，将Y_p的颜色特征矢量记为其中，的维数为15×1；

步骤4：将卡通图像集合中的每幅调整后的卡通图像的结构特征矢量和颜色特征矢量按序排列构成卡通图像集合中的每幅调整后的卡通图像的特征矢量，将Y_p的特征矢量记为F_p，其中，F_p的维数为25×1，符号“[]”为矢量表示符号，上标“T”表示矢量的转置；

步骤5：随机选择卡通图像集合中的m'幅调整后的卡通图像构成训练集，将卡通图像集合中剩余的N×3L-m'幅调整后的卡通图像构成测试集；然后将训练集中的所有调整后的卡通图像的特征矢量和平均主观评分差值构成训练样本数据集合，将测试集中的所有调整后的卡通图像的特征矢量构成测试样本数据集合；其中，1≤m'＜N×3L；