[发明专利]基于脑电信号和记忆特性的图像质量评价方法

说明书

本发明提出了一种基于脑电信号和记忆特性的图像质量评价方法，实现步骤为：获取每张彩色图像的可记忆特征值；生成记忆性强弱不同的彩色失真图像；采集受试者在观看记忆性强弱不同的彩色失真图像时的脑电信号；截取每位受试者在感知到图像失真时的脑电信号片段；利用脑电信号片段生成训练集；构建深度卷积神经网络；训练深度卷积神经网络；采用训练好的网络对强记忆性图像和弱记忆性图像进行质量评价。本发明在图像质量评价过程中，通过采用深度卷积神经网络对强记忆性图像和弱记忆性图像所诱发的脑电信号进行分类，解决了现有技术中未考虑图像的记忆特性对失真感知影响的问题和无法有效提取脑电信号的深层特征的问题，提高了图像质量评价的准确性。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像质量评价技术领域中的一种基于脑电信号和记忆特性的图像质量评价方法。本发明可用于对彩色图像质量进行评价。

背景技术

在对彩色图像的采集、处理、压缩、传输等过程中，会在不同程度上产生各种类型的失真造成彩色图像质量下降的问题，这对彩色图像中视觉信息的分析、理解和应用带来了一定的困难。因此，为了获得令人满意的彩色图像质量，对于彩色图像质量评价方法的研究逐渐成为一个广泛而基本的问题。其中，彩色图像的视觉掩盖特性，目标显著特性和记忆特性等特性会影响人类视觉系统对彩色图像的感知，针对彩色图像特性的彩色图像质量评价方法的研究是彩色图像质量评价方法的研究中的重点。

彩色图像质量评价方法分为主观彩色图像质量评价方法和客观彩色图像质量评价方法。主观视彩色图像质量评价方法通过人眼直接观看，对彩色图像的质量进行主观打分，其评价结果因观察者的主观感受而存在差异，且具有耗时较长，成本较高等缺点。客观彩色图像质量评价方法依靠算法或数学模型进行评价，虽然具有评价效率高，评价时长短，成本低廉等优点，然而仍然存在一些争议，即由于人眼感知的复杂性，通过数学模型得到的彩色图像质量结果是否能代表真实情况下人观看彩色图像所得到的感知质量。因此，基于脑电信号的彩色图像质量评价方法应运而生，通过采集受试者观看彩色图像时的脑电信号对彩色图像质量进行评价，相比于客观方法能够直接反应观察者的真实感受，同时也克服了主观方法耗时长、成本高等缺点。

清华大学在其申请的专利文献“基于脑电特征的图像质量评价方法及装置”(专利申请号：CN202110700519.0，申请公布号：CN 113554597 A)中公开了一种基于脑电特征的图像质量评价方法。该方法的实现步骤为，首先获取待评价彩色图像，将所述待评价彩色图像输入分数预测网络，获得由所述分数预测网络输出的彩色图像质量分数。该方法存在的不足之处在于，由于彩色图像的显著目标特性、记忆特性等特性在感知失真时，对人类视觉心理的期望、策略会产生影响，并且大量的视觉心理实验也验证了图像特性对失真感知有重大影响。因此，该方法在进行图像质量评价时，未考虑人类视觉系统在感知彩色图像的失真时，受到彩色图像显著目标特性、记忆特性等图像特性的影响因素，导致在评价图像特性不同的彩色图像的质量评价结果相似，而与实际质量评价结果差异较大的问题。

西安电子科技大学在其申请的专利文献“基于脑电信号和目标显著特性的视频质量评价方法”(专利申请号：CN202110601075.5，申请公布号：CN113255786A)中公开了一种基于脑电信号和目标显著特性的视频质量评价方法。该方法的实现步骤为，1、对显著目标视频和非显著目标视频进行失真处理；2、采集受试者观看显著目标视频和非显著目标视频的脑电信号和眼动数据，并计算受试者主观评价的检测率；3、对脑电信号进行分段，并采用线性判别分析对分段后的脑电信号进行分类，计算脑电信号的分类准确率；4、通过主观评价的检测率和脑电信号的分类准确率的映射曲线评价显著目标视频和非显著目标视频的质量。该方法存在的不足之处在于，采用线性判别分析进行分类时，由于线性判别分析作为传统机器学习方法无法学习到受试者的脑电信号的深层特征，线性判别分析的分类准确率较低，因此该方法在进行质量评价时，受到线性判别分析的分类准确率的影响，导致质量评价结果不准确的问题。

发明内容