[发明专利]图像质量分数分布的预测方法、系统、终端及介质

权利要求书

1.一种图像质量分数分布的预测方法，其特征在于，包括：

提取图像的自然场景统计特征；

利用提取的所述自然场景统计特征通过训练四个不同的支持向量机；

采用训练得到的所述支持向量机来预测Alpha稳定模型的四个参数，得到Alpha稳定模型；

采用得到的所述Alpha稳定模型进行图像质量分数分布的预测。

2.根据权利要求1所述的图像质量分数分布的预测方法，其特征在于，还包括：通过主观质量评价实验确定采用Alpha稳定模型来描述图像质量分数分布，所述实验包括：

从数据库中随机选取多张图像，内容包含多种不同失真类型，对于每种失真类型的图像失真程度也不同；

通过质量评价网页，采取单刺激连续质量评价方法来显示图像和收集观察者对上述图像进行质量评价给出的得分，得到每张图像的质量分数分布；

对收集到的有效的质量分数进行数据拟合分析，其中大部分图像质量分数分布服从Alpha稳定模型，确定Alpha稳定模型更适合来描述图像质量分数分布。

3.根据权利要求2所述的图像质量分数分布的预测方法，其特征在于，通过最大似然估计来对实验中每张图像的质量分数分布与Alpha稳定模型进行拟合，得到图像质量得分分布的经验概率密度函数。

4.根据权利要求3所述的图像质量分数分布的预测方法，其特征在于，所述得到图像质量得分分布的经验概率密度函数，包括：

Alpha稳定模型的特征函数为：

其中，0＜α≤2是特征参数，-1＜β＜1是偏度参数，γ＞0表示比例参数，μ是位置参数；并且

其中

对所述Alpha稳定模型的特征函数进行傅里叶逆变换，得到图像质量得分分布的经验概率密度函数：

其中α，β，γ，μ是图像质量得分分布的四个参数。

5.根据权利要求1所述的图像质量分数分布的预测方法，其特征在于，所述提取图像的自然场景统计特征，包括：从每幅图像中提取出两组离散余弦变换域的自然场景统计特征和一组空间域的自然场景统计特征。

6.根据权利要求5所述的图像质量分数分布的预测方法，其特征在于，所述两组离散余弦变换域的自然场景统计特征，其中，将提取图像以下两组特征：

(1)两个广义高斯分布的形状参数特征；

(2)四个频率变换系数特征；

所述一组空间域的自然场景统计特征，其中，将图像分解为两个尺度和六个方向，提取出七个方向选择性统计特征；

综上，从每幅图像中提取出13个特征。

7.根据权利要求1所述的图像质量分数分布的预测方法，其特征在于，采用训练得到的所述支持向量机来预测图像质量分数分布的四个参数，包括：

四个支持向量机用于学习从每幅图像中提取的自然场景统计特征到四个参数的映射，得到的四个参数的映射建立起四个参数预测模型；

这四个预测模型参数的支持向量机共同构成了基于Alpha稳定模型的图像质量分数分布预测。

8.一种图像质量分数分布的预测系统，其特征在于，包括：

特征提取模块，该模块提取图像的自然场景统计特征；

训练模块，该模块利用所述特征提取模块提取的所述自然场景统计特征通过训练四个不同的支持向量机；

预测模块，采用所述训练模块得到的所述支持向量机来预测图像质量分数分布的四个参数，最终得到基于Alpha稳定模型的图像质量分数分布。

9.一种图像质量分数分布的预测终端，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1-7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1-7任一所述的方法。