一种屏幕图像的质量评价方法技术

本发明专利技术提供了一种屏幕图像的质量评价方法，通过提取屏幕图像的视觉特征和映射输出客观质量分数来评价图像质量，对失真的屏幕图像通过局部对比度归一化操作，得到亮度图，并从中得到屏幕图像的亮度统计特征，并基于亮度图计算梯度图，梯度图经局部二值模式得到纹理统计特征，将亮度统计特征和纹理统计特征输入支持向量回归SVR中，得到视觉特征与主观质量分数之间的映射模型，任意屏幕图像的视觉特征输入该映射模型中，输出为客观质量分数，以客观质量分数作为评价图像质量的指标，实现了有监督的屏幕图像质量评价算法，所得评价结果更符合人类视觉系统的感知。

A quality evaluation method for screen image

The present invention provides a method to evaluate the quality of the screen image, image quality evaluation by extracting the screen image visual features and mapping output objective quality scores of the distortion of the screen image through local contrast normalization operation, get the brightness and brightness map, statistical characteristics of screen image from, and based on the calculation of brightness map gradient map, gradient map two value model of local texture statistical feature, the statistical characteristics of luminance statistical features and texture input support vector regression SVR, get the mapping model between visual features and subjective quality scores, visual features of arbitrary screen image input the mapping model, the output for the objective quality scores in objective quality scores as image quality evaluation index, realize the screen image quality evaluation algorithm of supervision, the evaluation results are more in line with The perception of the human visual system.

【技术实现步骤摘要】
一种屏幕图像的质量评价方法
本专利技术属于多媒体
，具体涉及一种屏幕图像的质量评价方法。
技术介绍
屏幕图像被广泛地用于我们日常生活中的各种多媒体应用中，例如计算机和智能电话之间的信息共享系统，云计算系统，屏幕图像的视觉质量对用户的观看体验有很大的影响。图像是人类感知和机器模式识别的重要信息源，其质量对所获取信息的充分性和准确性起着决定性的作用，然而在图像的采集、压缩、处理、传输及显示等过程中产生了图像降质问题，如何在视频传输、字符识别、安全监控、医学等领域建立有效的图像质量评价机制具有重大意义。传统的视觉质量评估方法包括峰值信噪比和均方误差，其与人的主观感觉不一致，因为其不考虑人类视觉系统的特征，然而，图像质量评价的主体是人，研究员对人眼视觉特性的研究涉及生理、心理等方面，迄今对其仍没有充分理解，特别是对视觉的心理特性还难以找出定量的描述方法，所以目前还缺乏一套全面的、统一的图像质量评价体系。为了克服这些缺点，现有技术中提出了先进的视觉质量评价方法，其中包括结构相似性、特征相似性和梯度相似度偏差等。图像质量评价的方法有：(1)主观评价方法，通过设计实验，由观测者对图像质量进行评价；(2)客观评价方法，采用算法对图像质量进行评价。其中主观评价方法是由观察者根据预先规定的评价尺度或自己的经验，对待测图像给出质量判断，但费时、复杂，还会受到观测者专业背景、心理和动机等主观因素的影响，且不能结合到其他算法中使用。客观评价方法方便、快捷，容易实现并能结合到应用系统中，但和人的主观感受有偏差，常用的图像质量评价算法即为客观评价算法，其目标是获得与主观评价结果相一致的客观评价值。客观评价算法根据其对参考图像的依赖程度，可分成三类：(1)全参考图像质量评估，需要原始图像的全部信息作为参考；(2)半参考图像质量评估，只需要和参考图像上的部分信息做比较；(3)无参考图像质量评估，不需要任何的参考信息。无参考图像质量评价优点是不需要原始图像的信息，就能对失真图像进行质量评价，极大地减少了信息传输量，其算法难点在于：图像特征难以定义和提取，人眼感知难以模型化表示。无参考算法可以分为针对失真类型的算法和基于机器学习的算法。针对失真类型的算法，具体算法为根据失真图像在某些特征频率上的峰值和能量从高频到低频的转移来衡量其失真程度；基于机器学习的算法，具体算法为通过机器学习的方法将在底层特征上具有相同的规律的质量相近的图像归为一类，同时，机器学习无需分析失真的类型以及如何提取特征来衡量失真的程度，而是将学习得到的“特征”直接作为图像质量评价的标准，这类算法首先将图像分块，以每块区域内的像素值作为原始特征向量，然后采用不同的机器学习策略从中提取出分类能力强的新特征向量，最后结合主观评价值利用新特征向量进行分类或者回归。无参考算法的难点在于如何使评价结果尽量不受图像内容的影响，算法进行质量评价的依据是从图像中提取的某些特征统计量，而这些统计量易受图像内容的影响。
技术实现思路
为了解决现有技术中的不足，本专利技术提供一种屏幕图像的质量评价方法。本专利技术的技术方案是：一种屏幕图像的质量评价方法，其特征在于，选用屏幕图像质量评价数据库，提取失真屏幕图像的视觉特征和对应的主观质量分数，其中视觉特征包括亮度统计特征和纹理统计特征，将视觉特征和主观质量分数输入向量回归中得到映射模型，任意图像的视觉特征输入映射模型中能得到客观质量分数，以客观质量分数来作为评价图像质量的指标，获得映射模型的步骤包括：A.对失真的屏幕图像通过局部对比度归一化操作，得到亮度图，并从中提取屏幕图像的亮度统计特征；B.基于所得的亮度图，利用梯度算子计算得到梯度图，即一阶导数特征图；C.根据所得梯度图，通过局部二值模式计算得二阶导数特征图，并从二阶导数特征图中提取屏幕图像的纹理统计特征；D.所得视觉特征和对应的主观质量分数输入支持向量回归SVR中，得到视觉特征与主观质量分数之间的映射模型。优选的，其特征在于，所述的屏幕图像质量评价数据库为数据库SIQAD。优选的，所述提取屏幕图像的视觉特征采用对图像3个不同尺寸提取视觉特征，3个不同尺寸为原尺寸、经一次下采样处理后的1/2尺寸和经二次下采样处理后的1/4尺寸。优选的，所述亮度统计特征包括10维屏幕图像的亮度统计特征、10维水平方向的亮度统计特征、10维垂直方向的亮度统计特征、10维主对角线方向的亮度统计特征和10维次对角线方向的亮度统计特征。优选的，所述纹理统计特征包括10维水平方向的纹理统计特征、10维垂直方向的纹理统计特征、10维主对角线方向的纹理统计特征和10维次对角线方向的纹理统计特征。进一步地，所述提取亮度统计特征的具体步骤是：A.对失真屏幕图像P进行对比度局部归一化操作得到亮度图，如式(1)所示：其中，P(i.j)表示屏幕图像中坐标为(i,j)的像素点，表示归一化处理后的屏幕图像中(i,j)处的亮度值，C为常数，C=6.5025，和分别表示像素点局部区域像素值的均值和方差，和计算如式(2)、式(3)所示：其中，{}，M=N=3；B.通过亮度图计算亮度统计特征，以直方图的形式表示为10维向量，直方图计算如式(4)、式(5)所示：其中，表示亮度图中像素点值的的绝对值，表示直方图每一柱的取值范围，I和J分别表示图像的宽度和高度,由此可得亮度统计特征向量的10维特征向量{}，用于表示亮度信息；C.使用屏幕图像四个不同方向的直方图特征来表示亮度统计特征，包括水平方向(H)、垂直方向(V)、主对角线方向(D1)和次对角线方向(D2)，如式(6)、式(7)、式(8)、式(9)所示：其中，、、、分别为水平方向、垂直方向、主对角线方向、次对角线方向的亮度统计特征，为屏幕图像中(i,j)处的亮度值，。进一步地，所述提取纹理统计特征的具体步骤是：A.为了获取屏幕图像的方向信息，分别定义表示水平、垂直、主对角线、次对角线四个不同方向的梯度算子、、、，根据亮度图通过卷积运算计算得到梯度图，如式(10)、式(11)、式(12)、式(13)所示：其中，表示屏幕亮度图，、、、分别表示四个不同方向对应的梯度图，即为一阶导数特征图；B.对四个方向的梯度图分别采用旋转不变均匀局部二值模式计算得二阶导数特征图，如式(14)、式(15)、式(16)所示：其中，为二阶导数特征图，K为像素点处邻域点的个数，R为像素点与邻域点之间的距离，K=8，R=1，表示像素点的亮度值，分别表示K个对称邻域点的亮度值，为像素点的局部二值模式0-1的跳变次数，表示局部区域中心像素的亮度值，以直方图的形式通过式(4)、式(5)从二阶导数信息中分别提取四个方向的10维纹理统计特征。进一步地，所述输入支持向量回归SVR中，将所提取的视觉特征及对应的主观质量分数输入SVR，使用径向基函数作为核函数，可获得视觉特征映射至主观质量分数的映射模型，步骤如下：A．数据库中包含S幅失真的屏幕图像，每幅屏幕图像的主观质量分数通过主观实验获得，以DMOS表示图像的主观质量分数，记第m幅屏幕图像的主观质量分数为，其中1≤m≤S，提取每幅失真屏幕图像的视觉特征向量，用表示第m幅屏幕图像的视觉特征向量，其中的维度为270；B．用表示S幅失真屏幕图像的数据库集，，对于中第m个特征向量，采用径向基函数本文档来自技高网...

【技术保护点】
一种屏幕图像的质量评价方法，其特征在于，选用屏幕图像质量评价数据库，从数据库中提取失真屏幕图像的视觉特征和对应的主观质量分数，其中视觉特征包括亮度统计特征和纹理统计特征，将视觉特征和主观质量分数输入向量回归中得到映射模型，任意图像的视觉特征输入映射模型中能得到客观质量分数，以客观质量分数来作为评价图像质量的指标，获得映射模型的步骤包括：A.对失真的屏幕图像通过局部对比度归一化操作，得到亮度图，并从中提取屏幕图像的亮度统计特征；B.基于所得的亮度图，利用梯度算子计算得到梯度图，即一阶导数特征图；C.根据所得梯度图，通过局部二值模式计算得二阶导数特征图，并从二阶导数特征图中提取屏幕图像的纹理统计特征；D.所得视觉特征和对应的主观质量分数输入支持向量回归SVR中，得到视觉特征与主观质量分数之间的映射模型。

【技术特征摘要】
1.一种屏幕图像的质量评价方法，其特征在于，选用屏幕图像质量评价数据库，从数据库中提取失真屏幕图像的视觉特征和对应的主观质量分数，其中视觉特征包括亮度统计特征和纹理统计特征，将视觉特征和主观质量分数输入向量回归中得到映射模型，任意图像的视觉特征输入映射模型中能得到客观质量分数，以客观质量分数来作为评价图像质量的指标，获得映射模型的步骤包括：A.对失真的屏幕图像通过局部对比度归一化操作，得到亮度图，并从中提取屏幕图像的亮度统计特征；B.基于所得的亮度图，利用梯度算子计算得到梯度图，即一阶导数特征图；C.根据所得梯度图，通过局部二值模式计算得二阶导数特征图，并从二阶导数特征图中提取屏幕图像的纹理统计特征；D.所得视觉特征和对应的主观质量分数输入支持向量回归SVR中，得到视觉特征与主观质量分数之间的映射模型。2.根据权利要求1所述的一种屏幕图像的质量评价方法，其特征在于，所述的屏幕图像质量评价数据库为数据库SIQAD。3.根据权利要求1所述的一种屏幕图像的质量评价方法，其特征在于，所述提取屏幕图像的视觉特征采用对图像3个不同尺寸提取视觉特征，3个不同尺寸为原尺寸、经一次下采样处理后的1/2尺寸和经二次下采样处理后的1/4尺寸。4.根据权利要求1所述的一种屏幕图像的质量评价方法，其特征在于，所述亮度统计特征包括10维屏幕图像的亮度统计特征、10维水平方向的亮度统计特征、10维垂直方向的亮度统计特征、10维主对角线方向的亮度统计特征和10维次对角线方向的亮度统计特征。5.根据权利要求1所述的一种屏幕图像的质量评价方法，其特征在于，所述纹理统计特征包括10维水平方向的纹理统计特征、10维垂直方向的纹理统计特征、10维主对角线方向的纹理统计特征和10维次对角线方向的纹理统计特征。6.根据权利要求1或4所述的一种屏幕图像的质量评价方法，其特征在于，所述提取亮度统计特征的具体步骤是：A.对失真屏幕图像P进行对比度局部归一化操作得到亮度图，如式(1)所示：其中，P(i.j)表示屏幕图像中坐标为(i,j)的像素点，表示归一化处理后的屏幕图像中(i,j)处的亮度值，C为常数，C=6.5025，和分别表示像素点局部区域像素值的均值和方差，和计算如式(2)、式(3)所示：其中，{}，M=N=3；B.通过亮度图计算亮度统计特征，以直方图的形式表示为10维向量，直方图计算如式(4)、式(5)所示：1其中，表示亮度图中像素点值的的绝对值，表示直方图每一柱的取值范围，I和J分别表示图像的宽度和高度,由此可得亮度统计特...

【专利技术属性】
技术研发人员：方玉明，诸汉炜，鄢杰斌，杜人钢，
申请(专利权)人：方玉明，
类型：发明
国别省市：江西,36