基于圖像分形特征的圖像質量客觀評價方法技術

本發明專利技術公開了一種基于圖像分形特征的圖像質量客觀評價方法。本發明專利技術具體實施包括如下步驟：1.在預處理環節，使用公知數據庫中的原始圖像進行訓練和擬合，得到圖像質量評價的基準特征信息——分形維數矩陣和多重分形譜；2.采用盒子記數法分別計算待測失真圖像的分形維數矩陣和多重分形譜等圖像特征信息；3.將獲取的失真圖像特征信息與基準參考特征信息進行對比處理，得到其差異，并基于此通過綜合處理以客觀度量失真圖像的質量。本發明專利技術所提出的圖像質量客觀評價與主觀評價具有很好的一致性，對于含有特定失真類型的圖像質量評價性能更優異。

【技術實現步驟摘要】

本專利技術屬于圖像處理
，尤其涉及一種基于圖像分形特征的圖像質量客觀 評價方法。
技術介紹
圖像處理也廣泛的應用在醫療，軍事，遙感，監測等諸多學科和領域。然而，由于多 種因素的影響，圖像在獲取、處理、傳輸和存儲的過程中，將不可避免地產生圖像降質問題， 這給信息獲取和后期處理帶來了極大的困難。因此，通過圖像質量的客觀評價，進而監控和 優化圖像處理系統性能，已經成為圖像處理領域的重要研宄內容，具有十分重要的理論和 工程應用價值。 -般來講，根據對原始圖像信息的依賴程度，圖像質量客觀評價可以分為三類：全 參考質量評價方法、半參考質量評價方法和無參考質量評價方法。在很多實際應用場景中， 由于無法給傳輸和處理的圖像找到充分的原始參考信息，因此無參考圖像質量評價具有更 加重要的現實意義。 然而，由于缺乏圖像的先驗知識，而且現階段對于人類視覺系統、視覺生理心理、 自然圖像統計特性和圖像質量等方面的理解與研宄并不充分，無參考圖像質量評價的研宄 進展相對緩慢。
技術實現思路
本專利技術的目的是將分形幾何學中的理論，如分形維數和多重分形譜分析方法，應 用到圖像質量評價的研宄領域。通過對圖像分形維數和多重分形譜進行分析和特征提取， 提出一種。 由于自然圖像具有自相似性，具有明顯的分形特征，本專利技術基于分形理論對圖像 建模反映圖像的失真情況，利用分形維數和多重分形譜等作為圖像的特征信息，實現對圖 像質量的度量，從而取得良好的圖像質量評價效果。 本專利技術采取的技術方案是： 首先，結合函數擬合的方法和機器學習的思想，在預處理的環節，使用公知數據庫 (如美國德州大學奧斯汀分校的LIVE數據庫）中的原始圖像進行訓練和擬合，得到后續圖 像質量評價的基準特征信息一一分形維數矩陣和多重分形譜；然后，分別提取待測失真圖 像的分形維數矩陣和多重分形譜等圖像特征；進而，將獲取的失真圖像特征信息與基準參 考特征信息進行對比處理，并通過綜合（pooling)處理得到失真圖像的客觀質量度量。 本專利技術解決其技術問題所采用的技術方案如下： 步驟⑴.根據公知數據庫（如美國德州大學奧斯汀分校的LIVE圖像數據庫）中 的原始圖像順序編號，循環讀入所有原始圖像。 步驟（2).分別計算步驟（1)讀入的原始圖像的分形維數。 分形維數的計算采用盒子記數法，將原始圖像轉化為二值圖像，然后通過劃分格 子并記數來計算分形維數，具體如下： 將原始圖像用邊長為!的盒子進行覆蓋，然后根據邊長!的不同，分別計算不同r 對應的盒子數N(r)，最后對r和N(r)取對數求其比值，進而得出原始圖像的分形維數FD:【主權項】1. ，其特征在于包括w下步驟： 步驟（1).根據公知數據庫中的原始圖像順序編號，循環讀入所有原始圖像； 步驟（2).分別計算步驟（1)讀入的原始圖像的分形維數FD; 步驟（3).采用盒子記數法分別繪制出步驟（1)循環讀入的原始圖像的多重分形譜；此 方法和步驟（2)中分形維數FD估算基于同樣的原理；循環讀入的原始圖像被劃分為邊長為 r的盒子，然后在每個盒子中進行規范化的測量和計算； 步驟（4).利用步驟（2)所獲取的分形維數FD，計算循環讀入的原始圖像的分形維數矩 陣； 步驟巧).利用步驟（4)所獲取的分形維數，將同類的分形維數歸為一組；同類的原始 圖像因為內容相同，所W尺寸大小也一致，分形維數矩陣大小相同，分形維數數組大小也相 同；由于失真類型是隨機的，且該隨機性在統計上符合高斯分布，因此利用該隨機性，計算 分形維數數組中數據的平均值，將其作為可供參考的分形維數矩陣譜Tuf; 步驟化).對步驟（3)所得到的多重分形譜求取平均值，從而實現訓練，得到可供參考 的多重分形譜；具體方法是；分別計算原始圖像組中多幅原始圖像的分形譜S個點的平均 值來得到一條均值分形譜線； 步驟（7).輸入待測試的失真圖像； 步驟巧).利用步驟（2)和（4)的方法計算步驟（7)輸入的待測試圖像的分形維數矩 陣譜Tt。,,； 步驟巧).利用步驟（3)的方法計算步驟（7)輸入的待測試圖像的多重分形譜； 步驟（10).利用步驟（5)訓練得到的可供參考的分形維數矩陣譜Tuf和步驟（8)得到 的待測試圖像的分形維數矩陣譜Ttwt，實現分形維數的比較，計算二者之間的差異Dt: Dt=EiTtest-TrefI 似 步驟（11).利用步驟做得到的均值分形譜線和步驟（9)得到的待測試圖像的多重分 形譜，分別計算不同坐標（a,f(a))點對應的均值分形譜線和多重分形譜的距離，實現對應 圖像塊多重分形譜的比較，累計計算得到均值分形譜線和多重分形譜之間的譜距離D";設 可供參考的均值分形譜坐標為（a,。,，f(a)uf)，其中a和f分別是一個包含了多個數據的 數組，而待測圖像分形譜坐標為（atwt，f(a)t,J;則有：其中，d(i)為第i個數據點的分形譜距離，s為數據點數； 步驟（12).利用步驟（10)和（11)計算得到的分形維數差異Dt和多重分形譜距離Dm, 計算無參考圖像的質量評價度量Q; Q= 〇1X〇T+ ?2XDm 巧） 其中，和02為可W調節的加權系數，《1+。2=1，且W lE，《2居[0,U。2. 如權利要求1所述的，其特征在于步驟 (1)所述的公知數據庫為美國德州大學奧斯汀分校的LIVE圖像數據庫。3. 如權利要求1所述的，其特征在于步驟 (2) 所述的分別計算原始圖像的分形維數具體如下： 分形維數的計算采用盒子記數法，將原始圖像轉化為二值圖像，然后通過劃分格子并 記數來計算分形維數，具體如下： 將原始圖像用邊長為r的盒子進行覆蓋，然后根據邊長r的不同，分別計算不同r對應 的盒子數N(r)，最后對r和N(r)取對數求其比值，進而得出原始圖像的分形維數FD:(1) 其中，r為盒子邊長，N(r)是完全覆蓋信號所需的盒子數量。4. 如權利要求1所述的，其特征在于步驟 (3) 所述的采用盒子記數法分別繪制出步驟（1)循環讀入的原始圖像的多重分形譜，具體 如下： 該盒子記數法和步驟（2)中分形維數FD估算基于同樣的原理，循環讀入的原始圖像被 劃分為邊長為r的盒子，然后在每個盒子中進行規范化的測量和計算； 3-1.利用標準的盒子記數法來分析點集，具體如下： 首先將循環讀入的原始圖像轉化為灰度圖像； 然后將灰度圖像視為=維空間的一個曲面，其中，X和Y坐標為灰度圖像中像素的位 置，Z坐標為灰度值； 接著依據灰度值變化的劇烈程度，灰度圖像上的點被劃分為一系列的子集& (a)，對子 集Ei(a)求取其密集程度，用f(a)來表示，其中，i為子集個數，（a，f(a))為分形譜的點坐 標； 最后隨著a的變化得到一系列的f(a),f(a)進一步刻畫了各個子集Ei(a)的特性，也 就提取了原始圖像特征； 3-2.多重分形譜的計算具體如下： ① 將原始圖像讀入mXn矩陣中，記作Amx。，其中m和n分別為矩陣Amx。的行數與列數； ② 從a= 0,W第一步長逐步增大a(例如令其W步長0. 1增加）；對于每一個a,分別 計算當r一 0,且滿足uBr/lnCr)} =a的（i, _]')點，并把（i, _]')點收入到Ei(a)中； 其中，uBf是邊長本文檔來自技高網...

【技術保護點】
基于圖像分形特征的圖像質量客觀評價方法，其特征在于包括以下步驟：步驟(1).根據公知數據庫中的原始圖像順序編號，循環讀入所有原始圖像；步驟(2).分別計算步驟(1)讀入的原始圖像的分形維數FD；步驟(3).采用盒子記數法分別繪制出步驟(1)循環讀入的原始圖像的多重分形譜；此方法和步驟(2)中分形維數FD估算基于同樣的原理；循環讀入的原始圖像被劃分為邊長為r的盒子，然后在每個盒子中進行規范化的測量和計算；步驟(4).利用步驟(2)所獲取的分形維數FD，計算循環讀入的原始圖像的分形維數矩陣；步驟(5).利用步驟(4)所獲取的分形維數，將同類的分形維數歸為一組；同類的原始圖像因為內容相同，所以尺寸大小也一致，分形維數矩陣大小相同，分形維數數組大小也相同；由于失真類型是隨機的，且該隨機性在統計上符合高斯分布，因此利用該隨機性，計算分形維數數組中數據的平均值，將其作為可供參考的分形維數矩陣譜Tref；步驟(6).對步驟(3)所得到的多重分形譜求取平均值，從而實現訓練，得到可供參考的多重分形譜；具體方法是：分別計算原始圖像組中多幅原始圖像的分形譜s個點的平均值來得到一條均值分形譜線；步驟(7).輸入待測試的失真圖像；步驟(8).利用步驟(2)和(4)的方法計算步驟(7)輸入的待測試圖像的分形維數矩陣譜Ttest；步驟(9).利用步驟(3)的方法計算步驟(7)輸入的待測試圖像的多重分形譜；步驟(10).利用步驟(5)訓練得到的可供參考的分形維數矩陣譜Tref和步驟(8)得到的待測試圖像的分形維數矩陣譜Ttest，實現分形維數的比較，計算二者之間的差異DT：DT＝∑|Ttest–Tref|?????????????????(2)步驟(11).利用步驟(6)得到的均值分形譜線和步驟(9)得到的待測試圖像的多重分形譜，分別計算不同坐標(a,f(a))點對應的均值分形譜線和多重分形譜的距離，實現對應圖像塊多重分形譜的比較，累計計算得到均值分形譜線和多重分形譜之間的譜距離DM；設可供參考的均值分形譜坐標為(αref，f(a)ref)，其中α和f分別是一個包含了多個數據的數組，而待測圖像分形譜坐標為(αtest，f(a)test)；則有：d(i)=(αtest(i)-αref(i))2+(ftest(i)-fref(i))2---(3)]]>DM=Σi=0sdist(i)---(4)]]>其中，d(i)為第i個數據點的分形譜距離，s為數據點數；步驟(12).利用步驟(10)和(11)計算得到的分形維數差異DT和多重分形譜距離DM，計算無參考圖像的質量評價度量Q；Q＝ω1×DT+ω2×DM??????????(5)其中，ω1和ω2為可以調節的加權系數，ω1+ω2＝1，且ω1∈[0,1]，ω2∈[0,1]。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：丁勇，朱亦凡，錢大宏，邢天瑋，張航，趙新宇，陳宏達，
申請(專利權)人：浙江大學，
類型：發明
國別省市：浙江;33