基于信息熵的图像质量评价方法
专利汇可以提供基于信息熵的图像质量评价方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于信息熵的图像 质量 评价方法，用于解决现有的图像质量评价方法不能有效的评价多重失真以及 去模糊 失真类的图像。该方法构造了包含去模糊失真的图像库，然后在图像库 基础 上，利用 支持向量机 根据提取的图像库图像的二维空间熵和 频谱 熵特征进行分类训练得到失真概率向量模型；然后利用支持向量回归将每类图像的特征和其全参考质量评价指标VSI得分拟合，得到特定失真质量向量模型。利用这两个模型，可以对任意图像根据其信息熵特征得到质量预测分数，最后结合去模糊图像的振铃、残留模糊和噪声等失真的检测评估，得到最终的评价分数。本方法与已有技术相比具有评价更加客观、通用性好的特点。在图像复原实验中，利用本方法实现了去模糊 算法 的多个参数的快速优化，得到的复原图像质量明显提高。本方法可以嵌入到DaVinci系统或其他与图像质量相关的应用系统中,具有很强的实用价值。，下面是基于信息熵的图像质量评价方法专利的具体信息内容。
1.一种基于信息熵的图像质量评价方法，具体特征在于：具体步骤如下：
1)扩展LIVE库。LIVE数据库包含JPEG2000失真、JPEG失真、白噪声失真、高斯模糊失真和快速瑞利衰减失真等五类失真。为了增加去模糊图像类型，将图像库中的29幅参考图像用19*19的随机模糊核进行模糊处理，然后每幅图用不同的去模糊算法和参数进行复原处理，共得到145张去模糊图像，将145张去模糊图像作为新的失真类加入LIVE图像库；
2)提取图像库图像的二维信息熵和频谱熵特征，并构造特征集；
21)对新图像库中的图像通过双三次插值进行两次下采样，得到3个尺度的图像；
22)对图像分为块，每块为8*8大小，计算每一块的二维空间熵和频谱熵。
23)特征池化，对得到的两个特征集按升序排序，提取60％的中心元素，求均值和偏度，从而构成新的特征集；
3)训练失真概率向量模型和特定失真质量向量模型。首先利用支持向量机根据提取的图像特征集进行分类训练得到失真概率向量模型；然后利用支持向量回归将每类图像的特征和VSI得分拟合，得到特定失真质量向量模型；
4)输入待评价图像，利用步骤2)提取待测图像的特征，根据提取的特征利用步骤3)的两个向量模型可得到改进的SSEQ得分QS；
5)计算待评价图像的振铃、残留模糊、噪声的加权得分QE；
51)计算图像振铃效应分数Qr；
52)计算图像残留模糊分数Qb；
53)计算图像噪声分数Qn；
54)计算三项加权得分QE＝0.58·Qr+0.36·Qb+0.06·Qn；
6)计算最终得分Q＝QS/QE。
2.根据权利要求1所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤22)中提取的二维空间熵具体为：
特征二元组(i,j)的频率Pij与其对数的乘积和：
特征二元组(i,j)的频率Pij为：
其中，(i,j)为以图像的邻域灰度均值作为灰度分布的空间特征量与图像的像素灰度组成的特征二元组，i表示像素的灰度值(0≤i≤255)，j表示邻域灰度均值(0≤j≤255)，f(i,j)为特征二元组(i,j)出现的次数，N2为图像的大小。
3.根据权利要求2所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤22)提取的频谱熵具体为：
其中P(i,j)为对DCT系数归一化以产生频谱概率矩阵：
。
4.根据权利要求3所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤23)中特征池化具体为：
对步骤22)中获得的两个特征集(二维空间熵和频谱熵)进行升序排序，从而产生有序集S和F：
S＝(se1,se2,...,sem)
F＝(fe1,fe2,...,fem)
公式中sei是局部空间熵，fei是局部频谱熵，m是每个尺度内的局部图像块的数目。
池化的方法是百分位数池，从产生的有序集S中提取60％的中心元素，得到：
从产生的有序集F中提取60％的中心元素，得到：
选取集合SC和FC的平均值及S和F的偏度值作为图像质量评价的最终特征，即：
f＝(mean(Sc),skew(S),mean(Fc),skew(F)) 。
5.根据权利要求4所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤51)计算图像振铃效应分数Qr具体为：
对于去运动模糊图像，首先通过获取输入图像的对数谱，在对数谱域中提取图像的谱残差，然后将谱残差变换到空间域，构造显著性图，并将其调整到与差分图相同的大小。然后，一个分辨率级别的振铃得分计算为：
其中D＝{Dij}，i∈{1,2,...,M}，j∈{1,2,...,N}是差分图，W＝{Wij}是视觉显著性图。
最终，通过将所有分辨率级别的分数相加得到整体振铃分数：
。
6.根据权利要求5所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤52)计算图像残留模糊分数Qb具体为：
对于去运动模糊图像，首先使用高斯低通滤波器对其进行再模糊处理：
其中x和y是坐标位置，σ是高斯核的标准差。将高斯滤波器的大小设置为3*3，标准差σ设置为5。
计算去运动模糊图像及其再模糊图像之间的梯度、对比度和结构相似性，以评估去运动模糊图像中的残余模糊：
其中Gd和Gr分别表示去运动模糊图像及其再模糊图像的梯度图像；ci,i∈{1,2,3}是确保数值稳定性的小常数。然后质量分数定义为：
式中，μ是取平均值运算。为了考虑图像分辨率和视距对图像质量的影响，还计算了对去运动模糊图像进行2倍率下采样后的质量分数Q1。最后，残余模糊分数定义为：
Qb＝θ0Q0+θ1Q1
其中，两个参数设置θ0＝0.1和θ1＝0.9用于平衡不同分辨率水平相对重要性。
7.根据权利要求6所述的基于信息熵的图像质量评价方法，其特征在于：
所述步骤53)计算图像噪声分数Qn具体为：
对于图像I，加噪声后变为I′，其峰度值可以表示为：
其中α是广义高斯分布的形状参数，kI和kI′分别是I和I′的峰度值，σI和σn分别是图像I和噪声n的方差，之后可以通过最小化操作来估计I′的噪声等级
其中 和 是由图像I′通过每个N*N大小的DCT的滤波响应得到的。
现有的噪声估计方法大多应用于彩色图像的灰度尺度上。然而彩色图像到灰度图像的转换是有损的，这可能导致不准确的噪声估计。为了准确估计噪声，本文对去运动模糊图像的RGB三个通道进行噪声估计，然后将去运动模糊图像的噪声得分定义为：
其中σi,{i∈R,G,B}表示去运动模糊图像的RGB通道估计的噪声标准差。
基于信息熵的图像质量评价方法
技术领域
背景技术
发明内容
具体实施方式
SSEQ 1350 5 15
本文算法 800 25 21
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种超高效合相色谱-质谱联用定量检测生物样本中左旋兰索拉唑和右旋兰索拉唑的方法 | 2022-02-25 | 4 |
| 信号处理电路、信号处理方法、位置检测装置及电子设备 | 2022-06-12 | 3 |
| 具有多种通讯功能、无线冗余的智能控制器 | 2021-09-14 | 4 |
| 多重数字PCR技术在染色体非整倍体筛查中的应用 | 2020-09-22 | 1 |
| 具有传送光检测级的反向光截止装置及利用所述装置检测传送光的方法 | 2021-08-13 | 1 |
| 通过空间谐波的多重截断而优化计算效率 | 2021-08-14 | 6 |
| 变流器和变流器系统 | 2021-12-26 | 2 |
| 用于检测牛轮状病毒、牛细小病毒和牛病毒性腹泻病毒的多重纳米PCR引物组及其应用 | 2020-07-23 | 2 |
| 多重防伪商标 | 2021-06-22 | 4 |
| 一种容重的玉米水分动态检测装置 | 2021-05-17 | 5 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
