发明名称 基于Gabor特征互信息的全参考图像质量评价方法
摘要 本发明公开了一种基于Gabor特征互信息的全参考图像质量评价方法,属于图像处理领域。本发明方法具体实施包括如下步骤:(一)输入参考图像和失真图像;(二)对参考图像和失真图像,分别利用二维Gabor滤波器进行滤波以提取Gabor特征;(三)分别建立概率分布函数,求出滤波后图像每一个像素点的概率分布及联合概率分布;(四)求出参考图像和失真图像Gabor特征的互信息;(五)建立图像质量评价函数MIGF评价图像质量。本发明利用二维Gabor滤波器提取视觉特征,并通过参考图像和失真图像的互信息来建立图像质量评价函数,评价结果符合人类视觉主观认识。
申请公布号 CN102497576A 申请公布日期 2012.06.13
申请号 CN201110432498.5 申请日期 2011.12.21
申请人 浙江大学 发明人 丁勇;谢鹏宇;张渊;曲东昌;林冬阳;雷李楠;林凯旋
分类号 H04N17/00(2006.01)I 主分类号 H04N17/00(2006.01)I
代理机构 杭州求是专利事务所有限公司 33200 代理人 杜军
主权项 1.基于Gabor特征互信息的全参考图像质量评价方法,其特征在于它包括以下步骤:步骤(1).输入参考图像和失真图像;步骤(2).建立一组二维Gabor滤波器<img file="2011104324985100001DEST_PATH_IMAGE002.GIF" wi="105" he="25" />,其中,二维Gabor滤波器个数为<img file="2011104324985100001DEST_PATH_IMAGE004.GIF" wi="22" he="18" />,<img file="246278DEST_PATH_IMAGE004.GIF" wi="22" he="18" />为正整数,<img file="2011104324985100001DEST_PATH_IMAGE006.GIF" wi="78" he="22" />;当参考图像和失真图像经第<img file="2011104324985100001DEST_PATH_IMAGE008.GIF" wi="10" he="18" />个二维Gabor滤波器<img file="2011104324985100001DEST_PATH_IMAGE010.GIF" wi="66" he="25" />处理后,得到的参考图像的Gabor特征为<img file="2011104324985100001DEST_PATH_IMAGE012.GIF" wi="17" he="25" />,得到失真图像的Gabor特征为<img file="2011104324985100001DEST_PATH_IMAGE014.GIF" wi="21" he="26" />;建立一组二维Gabor滤波器<img file="247338DEST_PATH_IMAGE002.GIF" wi="105" he="25" />具体步骤如下:取<img file="2011104324985100001DEST_PATH_IMAGE016.GIF" wi="18" he="20" />个尺度和<img file="2011104324985100001DEST_PATH_IMAGE018.GIF" wi="17" he="20" />个方向,则<img file="2011104324985100001DEST_PATH_IMAGE020.GIF" wi="74" he="20" />,对于其中第<img file="35035DEST_PATH_IMAGE008.GIF" wi="10" he="18" />个二维Gabor滤波器<img file="2011104324985100001DEST_PATH_IMAGE022.GIF" wi="65" he="25" />,其定义为:<img file="2011104324985100001DEST_PATH_IMAGE024.GIF" wi="350" he="104" />其中<img file="2011104324985100001DEST_PATH_IMAGE026.GIF" wi="20" he="25" />为二维Gabor滤波器波长,<img file="2011104324985100001DEST_PATH_IMAGE028.GIF" wi="18" he="25" />为二维Gabor滤波器的方向,其中<img file="2011104324985100001DEST_PATH_IMAGE030.GIF" wi="17" he="25" />,<img file="2011104324985100001DEST_PATH_IMAGE032.GIF" wi="16" he="25" />可通过下式求得:<img file="2011104324985100001DEST_PATH_IMAGE034.GIF" wi="316" he="65" />其中<img file="2011104324985100001DEST_PATH_IMAGE036.GIF" wi="22" he="26" />为二维Gabor滤波器的频率带宽,<img file="991053DEST_PATH_IMAGE036.GIF" wi="22" he="26" />=1;<img file="2011104324985100001DEST_PATH_IMAGE038.GIF" wi="21" he="25" />为二维Gabor滤波器的方向带宽,取<img file="2011104324985100001DEST_PATH_IMAGE040.GIF" wi="26" he="22" />;该组二维Gabor滤波器为:<img file="2011104324985100001DEST_PATH_IMAGE042.GIF" wi="496" he="42" /><img file="2011104324985100001DEST_PATH_IMAGE044.GIF" wi="29" he="25" />为二维Gabor滤波器最小波长;步骤(3).计算参考图像的Gabor特征<img file="584714DEST_PATH_IMAGE012.GIF" wi="17" he="25" />和失真图像的Gabor特征<img file="20375DEST_PATH_IMAGE014.GIF" wi="21" he="26" />的像素点的概率分布及联合概率分布;参考图像的Gabor特征<img file="464126DEST_PATH_IMAGE012.GIF" wi="17" he="25" />概率分布具体计算步骤如下:设参考图像的Gabor特征<img file="2011104324985100001DEST_PATH_IMAGE046.GIF" wi="117" he="25" />,<img file="2011104324985100001DEST_PATH_IMAGE048.GIF" wi="20" he="20" />为正整数,则对<img file="2011104324985100001DEST_PATH_IMAGE050.GIF" wi="46" he="26" />,<img file="2011104324985100001DEST_PATH_IMAGE052.GIF" wi="18" he="26" />的概率为:<img file="2011104324985100001DEST_PATH_IMAGE054.GIF" wi="296" he="46" />其中,<img file="2011104324985100001DEST_PATH_IMAGE056.GIF" wi="48" he="26" />为<img file="309372DEST_PATH_IMAGE052.GIF" wi="18" he="26" />的概率,<img file="2011104324985100001DEST_PATH_IMAGE058.GIF" wi="14" he="20" />为带宽,<img file="2011104324985100001DEST_PATH_IMAGE060.GIF" wi="38" he="25" />为窗函数,它的定义如下:<img file="2011104324985100001DEST_PATH_IMAGE062.GIF" wi="253" he="54" />其中<img file="2011104324985100001DEST_PATH_IMAGE064.GIF" wi="69" he="26" />,<img file="2011104324985100001DEST_PATH_IMAGE066.GIF" wi="18" he="21" />是<img file="2011104324985100001DEST_PATH_IMAGE068.GIF" wi="14" he="14" />的协方差,<img file="2011104324985100001DEST_PATH_IMAGE070.GIF" wi="18" he="21" />为矩阵转置;同理可求得失真图像的Gabor特征<img file="752729DEST_PATH_IMAGE014.GIF" wi="21" he="26" />每个像素点的概率分布;参考图像的Gabor特征<img file="42896DEST_PATH_IMAGE012.GIF" wi="17" he="25" />和失真图像的Gabor特征<img file="657548DEST_PATH_IMAGE014.GIF" wi="21" he="26" />联合概率分布具体计算步骤如下:<img file="2011104324985100001DEST_PATH_IMAGE072.GIF" wi="116" he="25" /><img file="2011104324985100001DEST_PATH_IMAGE074.GIF" wi="133" he="26" />,令<img file="2011104324985100001DEST_PATH_IMAGE076.GIF" wi="206" he="26" />,则对于<img file="2011104324985100001DEST_PATH_IMAGE078.GIF" wi="101" he="28" />,有:<img file="2011104324985100001DEST_PATH_IMAGE080.GIF" wi="370" he="49" />其中<img file="DEST_PATH_IMAGE082.GIF" wi="62" he="26" />即为<img file="DEST_PATH_IMAGE084.GIF" wi="49" he="26" />,<img file="673913DEST_PATH_IMAGE082.GIF" wi="62" he="26" />为<img file="DEST_PATH_IMAGE086.GIF" wi="41" he="22" />的联合概率,<img file="235475DEST_PATH_IMAGE058.GIF" wi="14" he="20" />为带宽,K()为窗函数,它的定义如下:<img file="DEST_PATH_IMAGE088.GIF" wi="246" he="54" />其中<img file="DEST_PATH_IMAGE090.GIF" wi="70" he="26" />,<img file="816367DEST_PATH_IMAGE066.GIF" wi="18" he="21" />是<img file="DEST_PATH_IMAGE092.GIF" wi="14" he="14" />的协方差;步骤(4).计算参考图像的Gabor特征<img file="805183DEST_PATH_IMAGE012.GIF" wi="17" he="25" />和失真图像的Gabor特征<img file="166632DEST_PATH_IMAGE014.GIF" wi="21" he="26" />的互信息<img file="DEST_PATH_IMAGE094.GIF" wi="64" he="30" />;<img file="DEST_PATH_IMAGE096.GIF" wi="307" he="53" />其中,<img file="DEST_PATH_IMAGE098.GIF" wi="42" he="25" />为参考图像Gabor特征<img file="DEST_PATH_IMAGE100.GIF" wi="14" he="16" />的概率,<img file="DEST_PATH_IMAGE102.GIF" wi="48" he="26" />为失真图像Gabor特征<img file="DEST_PATH_IMAGE104.GIF" wi="18" he="22" />的概率;步骤(5).建立图像质量评价函数MIGF,MIGF值越高表示失真图像质量越好;<img file="DEST_PATH_IMAGE106.GIF" wi="226" he="101" />。
地址 310027 浙江省杭州市西湖区浙大路38号