一種基于區(qū)別性稀疏表示的盲圖像質(zhì)量評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種盲圖像質(zhì)量評(píng)價(jià)方法，屬于圖像處理技術(shù)，特別是感知視覺(jué)信號(hào) 處理技術(shù)。
【背景技術(shù)】
[0002] 圖像質(zhì)量評(píng)價(jià)是圖像處理領(lǐng)域中的一個(gè)基礎(chǔ)的問(wèn)題，在圖像壓縮、復(fù)原、重建、增 強(qiáng)、識(shí)別和分類(lèi)等領(lǐng)域中都有著重要的應(yīng)用。圖像質(zhì)量評(píng)價(jià)可以分為主觀評(píng)價(jià)和客觀評(píng)價(jià) 兩種。主觀質(zhì)量評(píng)價(jià)通常為請(qǐng)一組專(zhuān)家對(duì)圖像進(jìn)行視覺(jué)評(píng)價(jià)并進(jìn)行主觀打分。在許多應(yīng)用 領(lǐng)域中，圖像最終都是由人來(lái)進(jìn)行觀閱的，在這種情況下，主觀質(zhì)量評(píng)價(jià)是唯一準(zhǔn)確可靠的 質(zhì)量評(píng)價(jià)方式。然而在實(shí)際情況中，主觀評(píng)價(jià)由于耗時(shí)，昂貴，不便等缺點(diǎn)難以得到應(yīng)用。 [0003] 相比于主觀質(zhì)量評(píng)價(jià)，客觀質(zhì)量評(píng)價(jià)具有速度快，成本低，操作簡(jiǎn)單等優(yōu)點(diǎn)，已經(jīng) 成為圖像質(zhì)量評(píng)價(jià)研究領(lǐng)域中的重點(diǎn)。客觀質(zhì)量評(píng)價(jià)可以分為兩種，一種需要無(wú)失真的參 考圖像進(jìn)行質(zhì)量評(píng)價(jià)（參考圖像質(zhì)量評(píng)價(jià)），另一種只需要失真圖像自身的信息即可進(jìn)行 質(zhì)量評(píng)價(jià)（盲質(zhì)量評(píng)價(jià)）。參考圖像質(zhì)量評(píng)價(jià)經(jīng)過(guò)幾十年的發(fā)展已經(jīng)比較成熟，實(shí)施起來(lái)也 相對(duì)簡(jiǎn)單。比較經(jīng)典的參考圖像質(zhì)量評(píng)價(jià)方法有PSNR，SS頂?shù)?。但這類(lèi)方法需要能夠訪問(wèn) 無(wú)失真的原圖，這一要求在許多應(yīng)用環(huán)境中無(wú)法得到滿足。
[0004] 相比參考圖像質(zhì)量評(píng)價(jià)，盲質(zhì)量評(píng)價(jià)中沒(méi)有參考圖像可以利用，因此面臨著更多 的挑戰(zhàn)?，F(xiàn)有的盲質(zhì)量評(píng)價(jià)方法主要由兩個(gè)步驟組成：特征提取和基于人眼評(píng)分的模型回 歸。現(xiàn)有的盲質(zhì)量評(píng)價(jià)方法通常需要大量人工標(biāo)記的圖像用于訓(xùn)練，算法的性能也對(duì)訓(xùn)練 樣本十分敏感；此外，這類(lèi)算法一般都需要較高的計(jì)算量和復(fù)雜的參數(shù)估計(jì)和訓(xùn)練，這些都 極大地限制了盲質(zhì)量評(píng)價(jià)方法在實(shí)際中的應(yīng)用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是，提供一種實(shí)現(xiàn)簡(jiǎn)單，無(wú)需人工標(biāo)記圖像進(jìn)行訓(xùn)練 并且與人眼評(píng)價(jià)擬合度高的盲圖像質(zhì)量評(píng)價(jià)方法。
[0006] 本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是，一種基于區(qū)別性稀疏表示的盲 圖像質(zhì)量評(píng)價(jià)方法，包括如下步驟：
[0007] (1)分別從無(wú)噪聲污染的自然圖像和噪聲圖像樣本中訓(xùn)練得到特征子字典和噪聲 子字典，并將兩個(gè)子字典合并為區(qū)別性字典；
[0008] (2)用所述區(qū)別性字典表示待評(píng)價(jià)的圖像，得到兩個(gè)子字典對(duì)應(yīng)的稀疏系數(shù)；
[0009] (3)通過(guò)統(tǒng)計(jì)兩部分稀疏系數(shù)的比例獲得最終的圖像質(zhì)量評(píng)分。
[0010] 所述步驟（1)中，具體包括：
[0011] (I. 1)從無(wú)噪聲污染的自然圖像中提取圖塊作為特征訓(xùn)練集，從噪聲圖像中提取 圖塊作為噪聲訓(xùn)練集；
[0012] (1. 2)從步驟（I. 1)的兩個(gè)訓(xùn)練集中，訓(xùn)練得到特征子字典D+和噪聲子字典D，構(gòu) 造區(qū)別性字典Dd為特征子字典D +與噪聲子字典D的集合。
[0013] 所述步驟⑵中，具體包括：
[0014] (2. 1)將待評(píng)價(jià)的圖像分解為紅、綠和藍(lán)三個(gè)顏色通道的子圖像；
[0015] (2. 2)對(duì)每個(gè)顏色通道的子圖像，將子圖像拆分成與訓(xùn)練集中的圖塊大小相同的 圖塊，用區(qū)別性字典Dd表示子圖像，獲得每個(gè)子圖像對(duì)應(yīng)的稀疏系數(shù)，所述稀疏系數(shù)包括特 征子字典D +表示圖像所對(duì)應(yīng)的稀疏系數(shù)和噪聲子字典D表示圖像所對(duì)應(yīng)的稀疏系數(shù)。
[0016] 所述步驟⑶中，具體包括：
[0017] (3. 1)通過(guò)統(tǒng)計(jì)每個(gè)顏色通道的子圖像中噪聲子字典對(duì)應(yīng)的稀疏系數(shù)與特征子字 典對(duì)應(yīng)的稀疏系數(shù)的加權(quán)比例，得到對(duì)應(yīng)的子圖像的評(píng)分；
[0018] (3. 2)根據(jù)三個(gè)顏色通道的子圖像評(píng)分的加權(quán)求和，得到最終的圖像質(zhì)量評(píng)分Rd， Rd越大，則認(rèn)為圖像質(zhì)量越好。
[0019] 所述步驟（2. 2)中用區(qū)別性字典Dd表示子圖像，獲得每個(gè)子圖像對(duì)應(yīng)的稀疏系數(shù) 的具體方法為，TF奪匹配?自睽笪法龍魅加下公式，獲得稀疏系數(shù)α :
[0020]
[0021] 其中，R為從待評(píng)測(cè)子圖像y中提取圖塊的算符，下標(biāo)i，j為圖塊左上角在子圖像 中的位置坐標(biāo)，I I aj |。為零范數(shù)，限制a u中非零元素的個(gè)數(shù)不超過(guò)L ;求得的稀疏系數(shù) 由兩部分組成α = [α+，α ]，其中α+為特征子字典D+表示圖像所對(duì)應(yīng)的稀疏系數(shù)，α為 噪聲子字典D表示圖像所對(duì)應(yīng)的稀疏系數(shù)。
[0022] 所述步驟（3. 1)中每個(gè)顏色通道的子圖像的評(píng)分I的計(jì)算公式為：
[0023]
[0024] 其中N為子圖像分解出的圖塊個(gè)數(shù)，af和《Γ分別為c顏色通道特征子字典和噪 聲子字典表示第k個(gè)圖塊的稀疏系數(shù)，I I ·| I1為一范數(shù)，Wk為第k個(gè)圖塊對(duì)應(yīng)的權(quán)重系數(shù)。 Wk定義為Wk= σ k+M，其中M為一常數(shù)，Ok是第k個(gè)圖塊的標(biāo)準(zhǔn)差。
[0025] 所述步驟（3. 2)中Rd根據(jù)三個(gè)顏色通道的子圖像評(píng)分的加權(quán)求和得到，每個(gè)子圖 像評(píng)分對(duì)應(yīng)的系數(shù)參照RGB空間轉(zhuǎn)化為YIQ空間中Y通道的轉(zhuǎn)換公式系數(shù)。
[0026] 有益效果：本發(fā)明的基于區(qū)別性稀疏表示的盲圖像質(zhì)量評(píng)價(jià)方法，名稱(chēng)為基于 區(qū)別性稀疏表不的特征量化（Feature Quantification via Discriminative Sparse Representation，F(xiàn)Q-DSR)。該方法的提出受到了人類(lèi)初級(jí)視覺(jué)皮質(zhì)在進(jìn)行圖像質(zhì)量時(shí)對(duì) 圖像特征進(jìn)行稀疏表示處理的啟發(fā)，提出了對(duì)圖像特征進(jìn)行量化分析而進(jìn)行質(zhì)量評(píng)價(jià)的方 法。其中，圖像特征既包含正常的圖像結(jié)構(gòu)，也包含圖像的退化性結(jié)構(gòu)（噪聲）。為此，本發(fā) 明針對(duì)性地設(shè)計(jì)了一種區(qū)別性字典，該字典中既包含適合表示正常圖像結(jié)構(gòu)的"正"子字典 (特征子字典），又包含適合表示圖像噪聲的"負(fù)"子字典（噪聲子字典）。當(dāng)用這種區(qū)別性 字典對(duì)圖像進(jìn)行稀疏表示時(shí)，就可以通過(guò)定量統(tǒng)計(jì)特征子字典和噪聲子字典中所用來(lái)表示 圖像的原子的系數(shù)分布來(lái)評(píng)價(jià)圖像質(zhì)量的好壞。相比于現(xiàn)有的代表性盲質(zhì)量圖像質(zhì)量評(píng)價(jià) 方法，本發(fā)明方法實(shí)現(xiàn)簡(jiǎn)單，無(wú)需人工標(biāo)記的圖像進(jìn)行訓(xùn)練，且與人工打分更加一致。
【附圖說(shuō)明】
[0027] 圖1為本發(fā)明方法的流程圖。
[0028] 圖2(a)_(g)為訓(xùn)練特征子字典所用的7幅無(wú)失真自然圖像。
[0029] 圖2(h)為訓(xùn)練噪聲子字典所用的模擬高斯噪聲圖像。
[0030] 圖3 (a)為利用FDDL方法訓(xùn)練出的特征子字典。
[0031] 圖3 (b)為利用FDDL方法訓(xùn)練出的噪聲子字典。
【具體實(shí)施方式】
[0032] 下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說(shuō)明本發(fā)明 而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià) 形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。
[0033] 如圖1所示，本發(fā)明實(shí)施例公開(kāi)的基于區(qū)別性稀疏表示的盲圖像質(zhì)量評(píng)價(jià)方法主 要由三個(gè)步驟組成：構(gòu)造區(qū)別性字典，字典表示和綜合打分。首先，從無(wú)噪聲污染的（無(wú) 失真）自然圖像和噪聲圖像樣本中各自訓(xùn)練對(duì)應(yīng)的字典，并將兩個(gè)子字典合并為區(qū)別性字 典。然后，用該區(qū)別性字典去表示待評(píng)價(jià)的圖像，得到兩個(gè)子字典對(duì)應(yīng)的稀疏系數(shù)。最后， 通過(guò)統(tǒng)計(jì)兩部分稀疏系數(shù)的比例獲得最終的圖像打分。具體步驟如下：
[0034] 步驟一、構(gòu)造區(qū)別性字典，具體步驟如下：
[0035] 第1步、從若干無(wú)噪聲污染的自然圖像中提取大量的圖塊作為特征訓(xùn)練集；另從 模擬的高斯噪聲圖像中提取大量圖塊作為噪聲訓(xùn)練集。模擬噪聲圖像可以選用高斯噪聲進(jìn) 行模擬，也可以使用其他類(lèi)型的噪聲。本實(shí)驗(yàn)中待評(píng)價(jià)圖像為高斯噪聲所污染，因此為了得 到最好的評(píng)價(jià)效果，此處選用對(duì)應(yīng)的高斯噪聲模擬圖像訓(xùn)練噪聲字典。本實(shí)驗(yàn)中選用如圖 2 (a) - (g)所示的7幅無(wú)失真自然圖像和如圖2 (h)所示的模擬高斯噪聲圖像作為樣本，其中 圖塊的大小為16X16。在具體應(yīng)用場(chǎng)景中可以根據(jù)具體情況合理選擇樣本圖像和樣本個(gè) 數(shù)，以及圖塊的大小。
[0036] 第2步、從第1步獲得的兩個(gè)訓(xùn)練集中，利用Fisher區(qū)別性字典學(xué)習(xí)方法（FDDL) 訓(xùn)練出兩個(gè)具有獨(dú)特特征表示能力的子字典：特征子字典D +和噪聲子字典D。其中每個(gè)子 字典大小為256 X 512 (見(jiàn)圖3)。選用FDDL方法的目的是為了使訓(xùn)練出的特征子字典對(duì)自 然圖像的結(jié)構(gòu)特征有更好的表示能力，對(duì)噪聲有較差的表示能力；而訓(xùn)練出的噪聲子字典 則對(duì)噪聲有更好的表示能力，對(duì)圖像的結(jié)構(gòu)特征有較差的表示能力。
[0037] 第3步、構(gòu)造區(qū)別性字典Dd為特征子字典與噪聲子字典的集合
[0038] Dd= [D+，D]。大小為 256X1024。
[0039] 步驟二、字典表示，具體步驟如下：
[0040] 第1步、將圖像分解為紅，綠和藍(lán)三個(gè)通道的子圖像y% yg，yb。
[0041] 第2步、用區(qū)別性字典Dd去表示每個(gè)通道的待評(píng)測(cè)的子圖像ylc可以為r、g或 b，分別代表紅、綠、藍(lán)三個(gè)通道）。具體方法為用正交匹配追蹤