[发明专利]一种无参考全景图像质量评价方法、系统、设备及介质

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：

对全景图像进行下采样，生成不同尺度的图像；

对所述不同尺度的图像，计算每个尺度图像HSV特征；

计算所述全景图像的MSCN系数，将MSCN系数拟合成广义高斯分布和非对称性广义高斯分布，从中提取BRISQUE特征；

将得到的不同尺度图像的HSV特征和BRISQUE特征组合在一起，作为整体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，所述对全景图像进行下采样，其中，下采样因子取2的倍数。

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，所述对所述不同尺度的图像，计算每个尺度图像HSV特征，包括：

对每个尺度图像进行RGB转HSV通量；

再分别计算图像的H通量、S通量、V通量的平均值，得到图像的色彩特征向量。

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，所述将MSCN系数拟合成广义高斯分布，具体为：

其中

拟合得到的两个参数α,σ²作为两个特征量；

以上公式中：公式(4)为拥有零均值的广义高斯分布密度函数，α,σ²这两个参数可以用基于时刻匹配算法计算。

5.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，将MSCN系数拟合成非对称性广义高斯分布，包括：

计算相邻像素间的MSCN系数以描述相邻像素之间的统计关系，共四个方向：水平H，竖直V，主对角线D1，次对角线D2，得到四个系数矩阵；

将上述四个系数矩阵拟合成非广义高斯分布：

拟合得到的4个参数η,v,作为特征，其中，

以上公式中：公式(10)是非广义高斯分布密度函数，v,这三个参数可以通过基于时刻匹配算法计算。

6.根据权利要求5所述的无参考全景图像质量评价方法，其特征在于，所述从中提取BRISQUE特征，包括：

通过拟合广义高斯分布得到2维特征，通过拟合非广义高斯分布得到4×4维特征，拼接在一起得到18维的BRISQUE特征。

7.根据权利要求1-6任一项所述的无参考全景图像质量评价方法，其特征在于，所述回归模型为SVR，并且选择RBF作为核函数。

8.一种无参考全景图像质量评级系统，其特征在于，包括：

下采样模块：对原始图像进行下采样，获得不同尺度的图像；

HSV特征获得模块：计算图像的色调、饱和度和明度，获得图像的HSV特征；

BRISQUE特征获得模块：计算图像的MSCN系数，将MSCN系数拟合到高斯分布，得到BRISQUE特征；

模型训练及预测模块：将不同尺度图像的HSV特征和BRISQUE特征组合在一起，作为整体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。

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1-7任一所述的无参考全景图像质量评价方法。

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任一所述的无参考全景图像质量评价方法。