[发明专利]一种无参考全景图像质量评价方法及系统

权利要求书

1.一种无参考全景图像质量评价方法，其特征在于，包括：

S11：计算相邻像素差分图像，得到差分图；

S12：设置所述差分图的阈值T，差分图的值大于T或小于-T的值均置为T或-T；

S13：在每一个所述差分图上计算马尔可夫过程，得到马尔可夫概率模型；

S14：将所述马尔可夫概率模型的概率分布作为特征输入到回归模型中进行训练及预测，得到全景图像的最终质量分数。

2.根据权利要求1所述的无参考全景图像质量评价方法，其特征在于，所述S11包括：计算八个方向的相邻像素差分图像，得到差分图；

其中，八个方向分别为：上、下、左、右、左上、左下、右上、右下。

3.根据权利要求1所述的无参考全景图像质量评价方法，其特征在于，所述S13包括：在每一个所述差分图上计算第一阶马尔可夫过程以及第二阶马尔可夫过程；

进一步地，将马尔可夫概率模型中的对称方向的特征进行合并。

4.根据权利要求1所述的无参考全景图像质量评价方法，其特征在于，所述S14中的回归模型为SVR，并且其选择RBF作为核函数。

5.一种无参考全景图像质量评级系统，其特征在于，包括：差分图获得模块、阈值设置模块、马尔可夫概率模型获得模块、模型训练及预测模块；其中，

所述差分图获得模块用于计算相邻像素差分图像，得到差分图；

所述阈值设置模块用于设置所述差分图的阈值T，差分图的值大于T或小于-T的值均置为T或-T；

所述马尔可夫概率模块获得模块用于在每一个所述差分图上计算马尔可夫过程，得到马尔可夫概率模型；

所述模型训练集预测模块用于将所述马尔可夫概率模型的概率分布作为特征输入到回归模型中进行训练及预测，得到全景图像的最终质量分数。

6.根据权利要求5所述的无参考全景图像质量评级系统，其特征在于，所述差分图获得模块，计算八个方向的相邻像素差分图像，得到差分图；

其中，八个方向分别为：上、下、左、右、左上、左下、右上、右下。

7.根据权利要求5所述的无参考全景图像质量评级系统，其特征在于，所述马尔可夫概率模块获得模块，在每一个所述差分图上计算第一阶马尔可夫过程以及第二阶马尔可夫过程；

进一步地，将马尔可夫概率模型中的对称方向的特征进行合并。

8.根据权利要求5所述的无参考全景图像质量评级系统，其特征在于，所述模型训练集预测模块中的回归模型为SVR，并且其选择RBF作为核函数。

9.一种无参考全景图像质量评级设备，包括存储器、处理器及存储在存储器上并能在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时用于执行权利要求1-4任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时用于执行权利要求1-4任一所述的方法。