本发明专利技术公开了一种联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法，该方法首先通过对图像的梯度模值和LOG信号进行提取，通过一种联合自适应归一化过程对这两种信号进行归一化处理。基于这两种特征表示，提出了三种可以对退化图像质量进行预测的盲图像质量评价方法。这三种方法都通过支持向量机回归的方法在公开的图像主观质量评价数据库上进行模型训练。通过大量实验结果证明，本发明专利技术提出的这三种算法在盲图像质量评价上均有很好的预测性能，并且其中的模型3方法与其他已有的算法相比较，具有最好的质量评价性能，最好的数据库稳定性。另外，这三种算法也具有高效的运行效率。
【技术实现步骤摘要】
【专利说明】
本专利技术属于图像处理领域，涉及一种盲图像质量评价方法，具体涉及一种联合梯 度模值和拉普拉斯-高斯（Laplacian of Gaussian, LOG)信号的盲图像质量评价方法。 【
技术介绍
】 视觉信息是人类获取周围环境信息最重要的途径。随着数字图像技术与网络的迅 速发展，图像信息越来越多的成为一种重要的信息记录，传输和存贮方式。然而在在图像的 采集、压缩、传输、存储等各个阶段会不可避免的引入图像质量的退化。在各种低端图像采 集设备（如智能手机）普及情况下，图像质量的退化更加不可避免。一个可以定量对图像 的主观质量（或者退化程度）进行评价的算法可以在图像处理的各个领域中广泛应用，包 括基于感知质量的视频质量监控，基于感知测度的图像恢复和重建，参数估计、算法设计与 系统优化，网络资源分配，感知视频编码，以及CT重建图像质量评价等。 根据算法设计中是否需要参考图像，通常可以将图像质量评价方法分为三种。第 一种是全参考型的图像质量评价方法。在这种情况下，原始参考图像全部信息是可以获得 并在算法设计中利用的。这种方法由于参考图像的存在相对比较容易，目前已经有一些方 法可以达到与人类主观评价高度一致的评价结果。第二类是无参考的图像质量评价方法， 该方法主要针对无法获取相关原始参考图像或者视频序列的任何信息时设计，也可以叫做 盲图像质量评价方法。由于原始参考信息的缺少，因而这种方法难度也最大，目前还并不能 取得很好的预测结果。第三类是介于这二者之间的部分参考型的图像质量评价方法。在 这种情况下，对图像质量的评价可以借助于对原始图像的不完备的相关特征描述信息来进 行。本专利技术属于盲图像质量评价方法，下面将详细介绍该类方法的研究现状。 图像退化可以从两方面进行描述：退化方式和退化程度。退化方式包括图像压 缩（如JPEG，JPEG2000)，噪声，模糊，传输丢包等；退化程度可以用压缩的参数，噪声的能 量，传输的比特数等指标来衡量。当图像的退化方式已知时，通过刻画某种特定退化过程 所引入的特定结构改变可以很好的对该种退化下的图像质量进行评价。当图像的退化方 式不能实现获得时，就需要通过通用的盲图像质量评价方法进行。由于这种方法具有很高 的难度，目前的方法通常借用相关的机器学习方法进行模型的训练。这种方法通常利用自 然图像在统计方面的一些特性来进行。Moorthy等人（A. K. Moorthy and A. C. Bovik. 〃A two-step framework for constructing blind image quality indices,^IEEE Signal Processing Letters, 17(5) :513 - 516, 2010.)通过利用广义高斯模型对图像小波分解 系数进行拟合，利用支持向量机（A. Smola and B. Scholkopf, 〃A tutorial on support vector regression, "Statistics and Computing, 14(3) :199 - 222,2004.)对拟合 系数进行训练一个退化类型分类模型识别图像的退化类型，再针对每一种退化类型进 行主观质量回归模型的训练。Saad等人（M. A. Saad, A. C. Bovik and C. Charrier, 〃A DCT statistics-based blind image quality index, ''IEEE Signal Processing Letters, 17 (6) : 583-586, 2010. 9 ；M. A. Saad, A. C. Bovik, and C. Charrier, ^Model-Based Blind Image Quality Assessment Using Natural DCT Statistics，〃IEEE Trans.on Image Process.，vol. 21，pp. 3339 - 3352, 2011.)利用离散余弦变换（DCT)系数的统计 特性如峭度，各项异性等特征，通过概率模型训练特征与质量之间的回归模型。Tang等 人(H. Tang, N. Joshi, A. Kapoor, "Learning a Blind Measure of Perceptual Image Qua I i t y，〃 IEEE CVPR，2 011.)在复小波变换域提取三组特征，然后分别采用支持向量 机进行回归模型的训练，最终图像质量采用三组特征预测结果的加权平均表示。He等 A (L. He, D. Tao, X. Li, and X. Gao,''Sparse representation for blind image quality assessment, "IEEE CVPR，2012.)采用稀疏编码的方法利用训练集中的图像特征稀疏 的表示测试图像，采用稀疏加权训练图像的主观分作为测试图像的质量评价结果。文 献(P. Ye, and D. Doermann, ^No-reference image quality assessment using visual codebooks/'IEEE Trans. Image Process. 21 (7) 3129-3138, 2012.)中给出了今年来无参考 图像质量评价常用的图像特征和回归方法。另外，国内外也有不少关于盲图像质量评价的 专利。国外专利申请（Patent No. :US20040114685 Al)提出了基于DCT变换系数，估计量 化误差以及块效应，从而对压缩图像和视频质量进行评价的盲评价方法。国外专利（Patent No. :US8660372 B2)通过自然场景统计特性以及广义高斯模型来估计图像或视频的失真类 型以及主观质量。国内专利（CN103475898 A)将图像在轮廓波变换域和原始空域对图像进 行分块信息熵的计算，作为质量特征，利用支持向量机训练图像质量评价模型。国内专利 (Patent No. :CN102930545 A)提出了利用小波与系数区分归一化变化后的高斯拟合模型 与系数真实分布之间的散度距离来对图像质量进行评价的方法。国内专利（Patent No.: CN103258326 A)根据自然图像的统计性质与失真图像模型，实现对失真图像小波系数分布 参数的盲估计；再利用估计的分布参数来计算失真图像与对应的参考图像之间的互信息对 图像质量进行评价。 【
技术实现思路
】 本专利技术的目的在于解决上述现有技术中的问题，提供一种基于梯度模值和拉普 拉斯-高斯信号联合自适应归一化的盲图像质量评价方法。该方法预测性能优秀，计算复 杂度低，适用于多种不同的失真类型图形，具有广泛的应用价值。 为达到上述目的，本专利技术采用以下技术方案予以实现： ，包括以下步骤： 1)梯度模值与LOG信号的提取及联合归一化对测试图像进行处理；其中，I表示测 试图像； 2)梯度模值与LOG信号的统计特征表达； 3)盲图像质量评价模型的训练。 本专利技术进一步的改进在于： 所述步骤1)中，对测试图像进行处理的方法如下： 1本文档来自技高网...
【技术保护点】
联合梯度和拉普拉斯‑高斯信号的盲图像质量评价方法，其特征在于，包括以下步骤：1)梯度模值与LOG信号的提取及联合归一化对测试图像进行处理；其中，I表示测试图像；2)梯度模值与LOG信号的统计特征表达；3)盲图像质量评价模型的训练。
【技术特征摘要】
【专利技术属性】
技术研发人员：牟轩沁，薛武峰，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。