基于多级字典集的无参考图像质量评价方法

摘要

本发明公开了一种基于多级字典编码的无参考质量评价方法，主要解决计算机对噪声图像的评价与人眼感知不符的问题。其实现步骤是：1.划分图像数据库；2.提取单个实验样本的特征向量；3.计算训练样本一副污染图的特征向量质量值；4.计算全部训练样本的特征向量；5.计算训练样本中所有污染图的特征向量质量值；6.用训练样本参考图的特征向量构建第一级字典集；7.用训练样本污染图的特征向量构建第二级字典集；8.计算第二级字典集中每个聚类中心的质量值；9.将测试样本投影到第二级字典集计算测试样本的质量值；10.根据样本质量值判断样本质量。本发明的评价结果与人眼感知一致，可用在互联网上图像筛选、传输、压缩。

主权项

一种基于多级字典集的无参考图像质量评价方法，包括：(1)将图像数据库中的实验样本随机分为两份，其中80％的参考图及其对应的污染图作为训练样本，20％的参考图对应的污染图作为测试样本；(2)提取实验样本的特征向量：(2a)输入大小为M×N的待处理图像I，将该图像I按大小为B×B进行无混叠分块，得到K个子块；(2b)用Gabor滤波器组对各个子块进行滤波，将滤波结果作为各个子块对应的特征向量，即一副待处理图像对应K个特征向量；(3)给训练样本污染图的特征向量赋予质量值：(3a)输入大小为M×N的训练样本中的污染图X及其对应的参考图Y，并使用梯度相似性算法GMS计算它们的梯度相似性矩阵g；(3b)将得到的梯度相似性矩阵g归一化，并将归一化后的梯度相似性矩阵与污染图X的质量值mos相乘得到质量值矩阵m；(3c)对污染图X对应的质量值矩阵m按大小为B×B进行无混叠分块，得到K个子块并将第i个子块设为p_i，将每个p_i的中点值作为其对应特征向量的质量值mos_i，1≤i≤K；(4)对所有训练样本进行步骤(2)的操作，得到所有训练样本的特征向量，其中每一副参考图对应的第i个特征向量为r_i,每一副污染图对应的第i个特征向量为d_i；(5)将训练样本中每一副污染图及其对应的参考图进行步骤(3)的操作，得到每一副污染图的K个特征向量d_i对应的质量值mos_i；(6)将聚类中心的个数设为200，用kmeans聚类算法对训练样本中所有参考图的m个特征向量进行聚类，每一个聚类中心是一个基元向量C，用所有聚类中心构成第一级l1的字典集codebook^l1，该字典集codebook^l1中每个聚类中心C对应参考图的多个特征向量r_i,1≤i≤200；(7)从参考图的多个特征向量r_i找到这些参考图特征向量对应的污染图特征向量d_i；用kmeans聚类算法对第i个聚类中心C对应的污染图的特征向量d_i进行聚类，将聚类中心个数设为64，得到第二级l2字典集的第i个字典codebook_i^l2，将200个聚类中心C对应的200个字典codebook_i^l2组合在一起，构成第二级l2的字典集codebook^l2；(8)计算第二级l2的字典集codebook^l2中每个聚类中心C对应的多个特征向量质量值的均值，用这个均值作为该聚类中心C的质量值；(9)将测试样本的特征向量投影到第二级l2的字典集codebook^l2中，计算测试样本的质量值Q；(10)根据质量值Q对测试样本图像的质量进行判断：若Q＝0，则表示该测试样本没有被噪声污染；若0<Q≤5，则表示该测试样本被噪声轻度污染；若5<Q≤8，则表示该测试样本被噪声中度污染；若Q>8，则表示该测试样本被噪声重度污染。