一種基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法
【專利摘要】本發(fā)明公開了一種基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法，屬于數(shù)字圖像處理【技術(shù)領(lǐng)域】。本發(fā)明對待評(píng)價(jià)圖像，在HSV彩色空間選取具有像素空間相關(guān)性標(biāo)準(zhǔn)差最大值的圖像塊，由圖像塊來匹配字典中的原子，字典中的每個(gè)原子由訓(xùn)練圖集中具有像素空間相關(guān)性最大標(biāo)準(zhǔn)差的圖像塊、DMOS值、最大標(biāo)準(zhǔn)差三個(gè)元素組成，然后采用匹配追蹤的方法在該字典中得到待評(píng)價(jià)圖像的稀疏表示，并由原子字典中被選取到的原子的DMOS及最大標(biāo)準(zhǔn)差值來構(gòu)建彩色圖像質(zhì)量評(píng)價(jià)指標(biāo)。本發(fā)明的原子字典的構(gòu)建方法簡單明了，所提取的特征更符合人眼視覺感受，整個(gè)算法更簡單，質(zhì)量評(píng)價(jià)結(jié)果更準(zhǔn)確。
【專利說明】一種基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，尤其涉及一種基于稀疏表示的無參考彩色圖 像質(zhì)量評(píng)價(jià)方法，屬于數(shù)字圖像處理【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 圖像質(zhì)量評(píng)價(jià)技術(shù)一直是圖像處理領(lǐng)域的關(guān)鍵技術(shù)，可以用于評(píng)價(jià)圖像處理方法 的效果，或是依據(jù)圖像質(zhì)量來選擇合適的圖像處理方法。圖像質(zhì)量評(píng)價(jià)技術(shù)大多根據(jù)處理 后的圖像與參考圖像之間的不同，來度量圖像質(zhì)量；但是大多圖像質(zhì)量評(píng)價(jià)的應(yīng)用領(lǐng)域，難 于得到標(biāo)準(zhǔn)圖像作為參考，此時(shí)更需要無參考圖像質(zhì)量評(píng)價(jià)技術(shù)，以便根據(jù)圖像質(zhì)量來選 擇合適的圖像處理方法。
[0003] 近年來，隨著信息處理技術(shù)的發(fā)展，提取圖像特征來映射圖像質(zhì)量成為重要的圖 像質(zhì)量評(píng)價(jià)手段，但是此類方法同樣面對數(shù)據(jù)處理量大的困難，于是Lihuo He等人在文 獻(xiàn)"Sparse Representation for Blind Image Quality Assessment，' （Proceedings of Computer Vision and Pattern Recognition(CVPR2012), pp. 1146-1153, Providence, Rho de Island, 16-21June，2012, USA.)中提出一種利用稀疏表示來評(píng)價(jià)圖像質(zhì)量的方法，該方 法利用NSS (natural scene statistics)來表示圖像，而字典的建立則直接利用NSS在小 波域的特征及圖像的DM0S(differential mean opinion score,平均主觀差異分?jǐn)?shù)）。該方 法簡單明了，得到了有效的無參考圖像質(zhì)量評(píng)價(jià)結(jié)果。該方法首先提取訓(xùn)練圖庫的NSS特 征及DMOS值建立原子字典，然后提取待評(píng)價(jià)圖像的NSS特征在原子字典上進(jìn)行稀疏表示， 用求解出的系數(shù)結(jié)合DMOS值得到圖像質(zhì)量評(píng)價(jià)分?jǐn)?shù)。其優(yōu)點(diǎn)體現(xiàn)在：（1)能夠有效地評(píng)價(jià) 不同類型的圖像質(zhì)量退化；（2)評(píng)價(jià)結(jié)論與主觀評(píng)價(jià)具有良好的一致性；（3)對不同的圖像 具有良好的質(zhì)量評(píng)價(jià)結(jié)果。該方法給無參考的圖像質(zhì)量評(píng)價(jià)方法提供了良好的發(fā)展和參考 基礎(chǔ)。然而，該方法所使用的NSS在小波域的特征并不能充分反映圖像質(zhì)量，因此依據(jù)該方 法得到的圖像質(zhì)量評(píng)價(jià)結(jié)果的準(zhǔn)確性仍有待提高。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種基于稀疏表示的 無參考彩色圖像質(zhì)量評(píng)價(jià)方法，其原子字典的構(gòu)建方法簡單明了，所提取的特征更符合人 眼視覺感受，整個(gè)算法更簡單，質(zhì)量評(píng)價(jià)結(jié)果更準(zhǔn)確。
[0005] 本發(fā)明具體采用以下技術(shù)方案：
[0006] -種基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法，首先構(gòu)建原子字典，然后利 用所構(gòu)建的原子字典對待評(píng)價(jià)彩色圖像進(jìn)行稀疏表示，最后利用待評(píng)價(jià)彩色圖像的稀疏表 示系數(shù)的線性組合得到待評(píng)價(jià)彩色圖像的質(zhì)量得分，
[0007] 原子字典的構(gòu)建按照以下方法：
[0008] 步驟1、將一組已知平均主觀差異分?jǐn)?shù)DMOS的訓(xùn)練樣本圖像從RGB彩色空間轉(zhuǎn)換 至HSV彩色空間，并對每一幅訓(xùn)練樣本圖像的H分量、S分量、V分量分別進(jìn)行灰度化，得到 每一幅訓(xùn)練樣本圖像的三個(gè)子圖像：H分量子圖像、S分量子圖像、V分量子圖像；步驟2、 將每一幅子圖像分割為一系列大小相等的圖像塊，并獲取每個(gè)圖像塊的像素空間相關(guān)性矩 陣；任一圖像塊的像素空間相關(guān)性矩陣按照以下方法得到：構(gòu)建一個(gè)256X256的矩陣；對 于該矩陣中坐標(biāo)為（X，y) (X = 1，2, · · ·，256 ;y = 1，2, · · ·，256)的元素，判斷該圖像塊中是 否存在兩個(gè)相鄰且灰度值分別為x-1、y-Ι的像素點(diǎn)，如存在，則將該元素的值賦為1，如不 存在，則賦值為〇,最終得到的矩陣即為該圖像塊的像素空間相關(guān)性矩陣；
[0009] 步驟3、從每一幅子圖像中選出像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差最大的圖像塊作為 該子圖像的最大標(biāo)準(zhǔn)差圖像塊；以每一幅子圖像的最大標(biāo)準(zhǔn)差圖像塊、最大標(biāo)準(zhǔn)差圖像塊 的像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差，以及該圖像塊所屬訓(xùn)練樣本圖像的DMOS值作為一個(gè)原 子，所有原子的集合即構(gòu)成原子字典；
[0010] 利用所構(gòu)建的原子字典對待評(píng)價(jià)彩色圖像進(jìn)行稀疏表示，具體按照以下方法：
[0011] 步驟4、將待評(píng)價(jià)彩色圖像從RGB彩色空間轉(zhuǎn)換至HSV彩色空間，并對待評(píng)價(jià)彩色 圖像的H分量、S分量、V分量分別進(jìn)行灰度化，得到待評(píng)價(jià)彩色圖像的三個(gè)子圖像：H分量 子圖像、S分量子圖像、V分量子圖像；
[0012] 步驟5、將待評(píng)價(jià)彩色圖像的每個(gè)子圖像分割為一系列大小相等的圖像塊，并獲取 每個(gè)圖像塊的像素空間相關(guān)性矩陣；
[0013] 步驟6、從待評(píng)價(jià)彩色圖像的三個(gè)子圖像中分別選出像素空間相關(guān)性矩陣的標(biāo)準(zhǔn) 差最大的圖像塊作為該子圖像的最大標(biāo)準(zhǔn)差圖像塊；以待評(píng)價(jià)彩色圖像的三個(gè)子圖像的最 大標(biāo)準(zhǔn)差圖像塊、最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣、最大標(biāo)準(zhǔn)差圖像塊的像素空 間相關(guān)性矩陣的標(biāo)準(zhǔn)差來表示待評(píng)價(jià)彩色圖像；
[0014] 利用待評(píng)價(jià)彩色圖像的稀疏表示系數(shù)的線性組合得到待評(píng)價(jià)彩色圖像的質(zhì)量得 分，具體按照以下方法：
[0015] 步驟7、從原子字典中所有屬于H分量子圖像/S分量子圖像/V分量子圖像的圖像 塊中選出與待評(píng)價(jià)彩色圖像的H分量子圖像/S分量子圖像/V分量子圖像的最大標(biāo)準(zhǔn)差圖 像塊具有最大相關(guān)性的圖像塊，并記錄該圖像塊的DMOS值、相關(guān)系數(shù)、像素空間相關(guān)性矩 陣的標(biāo)準(zhǔn)差；從原子字典中所有屬于H分量子圖像/S分量子圖像/V分量子圖像的圖像塊 的像素空間相關(guān)性矩陣中選出與待評(píng)價(jià)彩色圖像的H分量子圖像/S分量子圖像/V分量子 圖像的最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣具有最大相關(guān)性的像素空間相關(guān)性矩陣， 并記錄該像素空間相關(guān)性矩陣的DMOS值、相關(guān)系數(shù)、標(biāo)準(zhǔn)差；
[0016] 步驟8、按照下式計(jì)算待評(píng)價(jià)彩色圖像的質(zhì)量得分QHSV，質(zhì)量得分越高，待評(píng)價(jià)彩 色圖像的質(zhì)量越高：
[0017] QHSV = QH+QS+QV
[0018] 其中，

【權(quán)利要求】
1. 一種基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法，首先構(gòu)建原子字典，然后利用 所構(gòu)建的原子字典對待評(píng)價(jià)彩色圖像進(jìn)行稀疏表示，最后利用待評(píng)價(jià)彩色圖像的稀疏表示 系數(shù)的線性組合得到待評(píng)價(jià)彩色圖像的質(zhì)量得分，其特征在于， 原子字典的構(gòu)建按照以下方法： 步驟1、將一組已知平均主觀差異分?jǐn)?shù)DMOS的訓(xùn)練樣本圖像從RGB彩色空間轉(zhuǎn)換至 HSV彩色空間，并對每一幅訓(xùn)練樣本圖像的H分量、S分量、V分量分別進(jìn)行灰度化，得到每 一幅訓(xùn)練樣本圖像的三個(gè)子圖像：H分量子圖像、S分量子圖像、V分量子圖像； 步驟2、將每一幅子圖像分割為一系列大小相等的圖像塊，并獲取每個(gè)圖像塊的像素空 間相關(guān)性矩陣；任一圖像塊的像素空間相關(guān)性矩陣按照以下方法得到：構(gòu)建一個(gè)256X256 的矩陣；對于該矩陣中坐標(biāo)為(X = 1,2,…,256;>- 1,2,256)的元素，判斷該圖像塊中 是否存在兩個(gè)相鄰且灰度值分別為的像素點(diǎn)，如存在，則將該元素的值賦為1，如 不存在，則賦值為0,最終得到的矩陣即為該圖像塊的像素空間相關(guān)性矩陣； 步驟3、從每一幅子圖像中選出像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差最大的圖像塊作為該子 圖像的最大標(biāo)準(zhǔn)差圖像塊；以每一幅子圖像的最大標(biāo)準(zhǔn)差圖像塊、最大標(biāo)準(zhǔn)差圖像塊的像 素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差，以及該圖像塊所屬訓(xùn)練樣本圖像的DMOS值作為一個(gè)原子，所 有原子的集合即構(gòu)成原子字典； 利用所構(gòu)建的原子字典對待評(píng)價(jià)彩色圖像進(jìn)行稀疏表示，具體按照以下方法： 步驟4、將待評(píng)價(jià)彩色圖像從RGB彩色空間轉(zhuǎn)換至HSV彩色空間，并對待評(píng)價(jià)彩色圖像 的H分量、S分量、V分量分別進(jìn)行灰度化，得到待評(píng)價(jià)彩色圖像的三個(gè)子圖像：H分量子圖 像、S分量子圖像、V分量子圖像； 步驟5、將待評(píng)價(jià)彩色圖像的每個(gè)子圖像分割為一系列大小相等的圖像塊，并獲取每個(gè) 圖像塊的像素空間相關(guān)性矩陣； 步驟6、從待評(píng)價(jià)彩色圖像的三個(gè)子圖像中分別選出像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差最 大的圖像塊作為該子圖像的最大標(biāo)準(zhǔn)差圖像塊；以待評(píng)價(jià)彩色圖像的三個(gè)子圖像的最大標(biāo) 準(zhǔn)差圖像塊、最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣、最大標(biāo)準(zhǔn)差圖像塊的像素空間相 關(guān)性矩陣的標(biāo)準(zhǔn)差來表示待評(píng)價(jià)彩色圖像； 利用待評(píng)價(jià)彩色圖像的稀疏表示系數(shù)的線性組合得到待評(píng)價(jià)彩色圖像的質(zhì)量得分，具 體按照以下方法： 步驟7、從原子字典中所有屬于H分量子圖像/ S分量子圖像/ V分量子圖像的圖像 塊中選出與待評(píng)價(jià)彩色圖像的H分量子圖像/S分量子圖像/V分量子圖像的最大標(biāo)準(zhǔn) 差圖像塊具有最大相關(guān)性的圖像塊，并記錄該圖像塊的DMOS值、相關(guān)系數(shù)、像素空間相關(guān) 性矩陣的標(biāo)準(zhǔn)差；從原子字典中所有屬于H分量子圖像/ S分量子圖像/ V分量子圖像的 圖像塊的像素空間相關(guān)性矩陣中選出與待評(píng)價(jià)彩色圖像的H分量子圖像/ S分量子圖像/ V分量子圖像的最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣具有最大相關(guān)性的像素空間相關(guān) 性矩陣，并記錄該像素空間相關(guān)性矩陣的DMOS值、相關(guān)系數(shù)、標(biāo)準(zhǔn)差； 步驟8、按照下式計(jì)算待評(píng)價(jià)彩色圖像的質(zhì)量得分質(zhì)量得分越高，待評(píng)價(jià)彩色圖 像的質(zhì)量越尚： QHSV二 QH-QS-QV 其中，
式中，足萬八分別表示從原子字典中所有屬于H分量子圖像的圖像塊中 所選出的與待評(píng)價(jià)彩色圖像的H分量子圖像的最大標(biāo)準(zhǔn)差圖像塊具有最大相關(guān)性的圖像 塊的DMOS值、相關(guān)系數(shù)、像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差;心分別表示從原子 字典中所有屬于H分量子圖像的圖像塊的像素空間相關(guān)性矩陣中所選出的與待評(píng)價(jià)彩色 圖像的H分量子圖像的最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣具有最大相關(guān)性的像素 空間相關(guān)性矩陣的DMOS值、相關(guān)系數(shù)、標(biāo)準(zhǔn)差;^SJ、分別表示從原子字典中所 有屬于S分量子圖像的圖像塊中所選出的與待評(píng)價(jià)彩色圖像的S分量子圖像的最大標(biāo)準(zhǔn)差 圖像塊具有最大相關(guān)性的圖像塊的DMOS值、相關(guān)系數(shù)、像素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差;足 分別表示從原子字典中所有屬于S分量子圖像的圖像塊的像素空間相關(guān)性 矩陣中所選出的與待評(píng)價(jià)彩色圖像的S分量子圖像的最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān) 性矩陣具有最大相關(guān)性的像素空間相關(guān)性矩陣的DMOS值、相關(guān)系數(shù)、標(biāo)準(zhǔn)差;足K/、 I KJ分別表示從原子字典中所有屬于V分量子圖像的圖像塊中所選出的與待評(píng)價(jià)彩色圖 像的V分量子圖像的最大標(biāo)準(zhǔn)差圖像塊具有最大相關(guān)性的圖像塊的DMOS值、相關(guān)系數(shù)、像 素空間相關(guān)性矩陣的標(biāo)準(zhǔn)差；D_VC、a JC及S_VC分別表示從原子字典中所有屬于V分量 子圖像的圖像塊的像素空間相關(guān)性矩陣中所選出的與待評(píng)價(jià)彩色圖像的V分量子圖像的 最大標(biāo)準(zhǔn)差圖像塊的像素空間相關(guān)性矩陣具有最大相關(guān)性的像素空間相關(guān)性矩陣的DMOS 值、相關(guān)系數(shù)、標(biāo)準(zhǔn)差。
2. 如權(quán)利要求1所述基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在于，所 述訓(xùn)練樣本圖像從LIVE、TID、或CSIQ標(biāo)準(zhǔn)圖像庫中得到。
3. 如權(quán)利要求1所述基于稀疏表示的無參考彩色圖像質(zhì)量評(píng)價(jià)方法，其特征在于，在 將子圖像分割為一系列大小相等的圖像塊時(shí)，所分割的圖像塊的長、寬相等，子圖像邊緣不 足一個(gè)圖像塊的部分直接舍棄。
【文檔編號(hào)】G06K9/66GK104361574SQ201410539145
【公開日】2015年2月18日 申請日期:2014年10月14日 優(yōu)先權(quán)日:2014年10月14日
【發(fā)明者】張闖, 陳蘇婷, 常建華 申請人:南京信息工程大學(xué)