一种基于图像纹理特征的无参考图像质量评价方法

摘要

本发明涉及一种基于图像纹理特征的无参考图像质量评价方法，包括：对图像I进行3尺度的小波变换分解，将得到的9个高频细节子图；采用局部二进制模式计算图像I的局部二值模式图谱；分别计算子图和局部二值模式图谱的灰度共生矩阵得到10个G_h；计算G_h的4个特征参数，即对比度，相关性，能量和同质性，并将相同小波变换分解尺度下的水平细节小波子图和垂直细节小波子图的特征参数取平均，获得24维特征向量；进行网络训练，得到预测模型。本发明能有效提高客观评价结果与主观感知的相关性。

主权项

一种基于图像纹理特征的无参考图像质量评价方法，其特征在于包括以下步骤：①将图像记为I，I(a,b)表示坐标(a,b)处的图像I的灰度值，其中1≤a≤M，1≤b≤N,M，N分别为图像I的长度和宽度,对I进行3尺度的小波变换分解，将得到的9个高频细节子图,记做其中1≤r≤9。②采用局部二进制模式计算图像I的局部二值模式图谱，并将其记做I_lbp。③分别计算和I_lbp的灰度共生矩阵，共得到10个灰度共生矩阵，将其记为G_h，1≤h≤10。④分别计算G_h的4个特征参数，即对比度，相关性，能量和同质性，并将相同小波变换分解尺度下的水平细节小波子图和垂直细节小波子图的特征参数取平均，最终共获得24维的特征向量，记为f。⑤利用支持向量回归模型对图像的特征向量f和相应的主观质量分数进行网络训练，得到图像的特征向量与主观质量分数的映射关系模型，将此模型作为预测模型，对图像的质量分数进行预测。