CN105611285B - 基于相位选择性机制的通用无参考图像质量评价方法 - Google Patents

基于相位选择性机制的通用无参考图像质量评价方法 Download PDF

Info

Publication number
CN105611285B
CN105611285B CN201510995783.6A CN201510995783A CN105611285B CN 105611285 B CN105611285 B CN 105611285B CN 201510995783 A CN201510995783 A CN 201510995783A CN 105611285 B CN105611285 B CN 105611285B
Authority
CN
China
Prior art keywords
pixel
value
distorted image
coordinate position
training set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510995783.6A
Other languages
English (en)
Other versions
CN105611285A (zh
Inventor
周武杰
邱薇薇
王海文
王中鹏
周扬
吴茗蔚
葛丁飞
施祥
王新华
孙丽慧
陈寿法
郑卫红
李鑫
吴洁雯
王昕峰
金国英
王建芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiaxing Qiyuan Network Information Technology Co ltd
Original Assignee
Zhejiang Lover Health Science and Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Lover Health Science and Technology Development Co Ltd filed Critical Zhejiang Lover Health Science and Technology Development Co Ltd
Priority to CN201510995783.6A priority Critical patent/CN105611285B/zh
Publication of CN105611285A publication Critical patent/CN105611285A/zh
Application granted granted Critical
Publication of CN105611285B publication Critical patent/CN105611285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于相位选择性机制的通用无参考图像质量评价方法，其首先对待评价的失真图像实施Log‑Gabor滤波，得到多尺度多方向的相位图像；接着对上述相位图像中的每个像素点的像素值与周边像素点的像素值进行比较得到局部特征图；然后采用旋转不变性方法求取局部特征图的局部特征模式图，并用直方图统计方法对局部特征模式图进行统计，得到待评价的失真图像的直方图统计特征向量；最后根据待评价的失真图像的直方图统计特征向量与训练集中的每幅失真图像的直方图统计特征向量之间的距离，得到待评价的失真图像的客观质量评价预测值；优点是其能够充分考虑到相位信息改变对视觉质量的影响，能够有效地提高客观评价结果与主观感知之间的相关性。

Description

基于相位选择性机制的通用无参考图像质量评价方法
技术领域
本发明涉及一种图像质量评价方法，尤其是涉及一种基于相位选择性机制的通用无参考图像质量评价方法。
背景技术
图像是人类获取信息的重要途径，图像质量表示图像向人或设备提供信息的能力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程中，由于各种因素影响将不可避免的产生降质问题，这给信息的获取或图像的后期处理带来了极大困难。因此，建立有效的图像质量评价机制非常重要。如在图像去噪、图像融合等处理过程中可用于各种算法的性能比较、参数选择；在图像编码与通信领域可用于指导整个图像的传输过程并评估系统性能。
图像质量评价方法可以分为两类：主观评价方法和客观评价方法。前者是由观察者对图像质量进行评分，得到平均评价分用以衡量图像质量；后者利用数学模型计算图像质量。主观评价方法的实验结果比较可靠，但费时费力。客观评价方法又可分为三类：全参考图像质量评价方法、半参考图像质量评价方法和无参考图像质量评价方法，当前研究最多的是全参考图像质量评价方法，但是多数应用中无法获得相应的原始图像，因此，无参考图像质量评价方法的研究更具实用价值。
无参考图像质量评价方法可分为特定失真评价方法和通用评价方法两种，特定失真评价方法只能对某种特定失真类型的图像进行评价，例如JPEG、JPEG2K及Gblur失真等，无法对其它类型的失真图像及多种处理技术处理后的图像进行质量评价；通用评价方法可以同时对多种失真进行评价。
现有的通用无参考图像质量评价方法并没有充分考虑人眼视觉特性，因此，如何在评价过程中有效地提取人眼视觉特征信息，在评价过程中进行人眼视觉特性结合，使得客观评价结果更加符合人类视觉感知系统，是图像进行客观质量评价过程中需要研究解决的问题。
发明内容
本发明所要解决的技术问题是提供一种基于相位选择性机制的通用无参考图像质量评价方法，其能够充分考虑到相位信息改变对视觉质量的影响，能够有效地提高客观评价结果与主观感知之间的相关性。
本发明解决上述技术问题所采用的技术方案为：一种基于相位选择性机制的通用无参考图像质量评价方法，其特征在于包括以下步骤：
①令{Id(i,j)}表示待评价的失真图像，其中，1≤i≤W,1≤j≤H，W表示{Id(i,j)}的宽度，H表示{Id(i,j)}的高度，Id(i,j)表示{Id(i,j)}中坐标位置为(i,j)的像素点的像素值；
②对{Id(i,j)}实施Log-Gabor滤波，得到{Id(i,j)}的多尺度多方向的相位图像，记为其中，表示中坐标位置为(i,j)的像素点的像素值；
③获取的局部特征图，记为将中坐标位置为(i,j)的像素点的像素值，即中坐标位置为(i,j)的像素点的局部特征值记为 ，其中，fun()为将二进制数转换成十进制数的函数，符号“||”表示二进制比特位续联符号， 符号“||”为取绝对值符号，当1≤i-1≤W且1≤j-1≤H时表示中坐标位置为(i-1,j-1)的像素点的像素值，当1≤i-1≤W且j-1<1时令当i-1<1且1≤j-1≤H时令当i-1<1且j-1<1时令当1≤i-1≤W时表示中坐标位置为(i-1,j)的像素点的像素值，当i-1<1时令当1≤i-1≤W且1≤j+1≤H时表示中坐标位置为(i-1,j+1)的像素点的像素值，当1≤i-1≤W且j+1>H时令当i-1<1且1≤j+1≤H时令当i-1<1且j+1>H时令当1≤j-1≤H时表示中坐标位置为(i,j-1)的像素点的像素值，当j-1<1时令当1≤j+1≤H时表示中坐标位置为(i,j+1)的像素点的像素值，当j+1>H时令当1≤i+1≤W且1≤j-1≤H时表示中坐标位置为(i+1,j-1)的像素点的像素值，当1≤i+1≤W且j-1<1时令当i+1>W且1≤j-1≤H时令当i+1>W且j-1<1时令当1≤i+1≤W时表示中坐标位置为(i+1,j)的像素点的像素值，当i+1>W时令当1≤i+1≤W且1≤j+1≤H时表示中坐标位置为(i+1,j+1)的像素点的像素值，当1≤i+1≤W且j+1>H时令当i+1>W且1≤j+1≤H时令当i+1>W且j+1>H时令上述 对应表示中坐标位置为(i-1,1)、(1,j-1)、(1,1)、(1,j)、(i-1,H)、(1,j+1)、(1,H)、(i,1)、(i,H)、(i+1,1)、(W,j-1)、(W,1)、(W,j)、(i+1,H)、(W,j+1)、(W,H)的像素点的像素值，T为设定的阈值；
④采用旋转不变性操作对进行处理，得到的局部特征模式图，记为其中，表示中坐标位置为(i,j)的像素点的像素值，也即是中坐标位置为(i,j)的像素点的局部特征模式值；
⑤采用直方图统计方法对进行统计操作，得到{Id(i,j)}的直方图统计特征向量，记为hd，其中，hd的维数为1×m'维，hd中的第m个元素为hd(m)，1≤m≤m'，m'>1；
⑥采用n”幅宽度为W且高度为H的原始的无失真图像，建立其在不同失真类型不同失真程度下的失真图像集合，将该失真图像集合作为训练集，训练集包括多幅失真图像；然后利用主观质量评价方法评价出训练集中的每幅失真图像的平均主观评分值，将训练集中的第j幅失真图像的平均主观评分值记为DMOSj；再按照步骤①至步骤⑤的操作，以相同的方式获取训练集中的每幅失真图像的直方图统计特征向量，将训练集中的第j幅失真图像的直方图统计特征向量记为hd,j；其中，n”>1，1≤j≤N'，N'表示训练集中包含的失真图像的总幅数，0≤DMOSj≤100，hd,j的维数为1×m'维，hd,j中的第m个元素为hd,j(m)；
⑦计算hd与训练集中的每幅失真图像的直方图统计特征向量之间的距离，将hd与hd,j之间的距离记为Ddis,j，Ddis,j＝|hd-hd,j|；然后将得到的N'个距离构成的集合记为{Ddis,j|1≤j≤N'}；接着对{Ddis,j|1≤j≤N'}中的所有距离按从小到大的顺序排列，将排列后的集合记为{D'dis,j|1≤j≤N'}；之后获取{D'dis,j|1≤j≤N'}中的前K'个距离各自对应的训练集中的失真图像的平均主观评分值，并将这K'个平均主观评分值构成的集合记为{DMOS'1,DMOS'2,…,DMOS'K'}；其中，符号“||”为取绝对值符号，1≤K'≤N'，DMOS'1,DMOS'2,…,DMOS'K'对应表示{D'dis,j|1≤j≤N'}中的第1个距离对应的训练集中的失真图像的平均主观评分值、第2个距离对应的训练集中的失真图像的平均主观评分值、…、第K'个距离对应的训练集中的失真图像的平均主观评分值；
⑧计算{Id(i,j)}的客观质量评价预测值，记为Qdis，其中，D'dis,k'表示{D'dis,j|1≤j≤N'}中的第k'个距离，DMOS'k'表示D'dis,k'对应的训练集中的失真图像的平均主观评分值。
所述的步骤③中取T＝45。
所述的步骤⑤中取m'＝10。
与现有技术相比，本发明的优点在于：
1)本发明方法通过深入挖掘人眼视觉特性中的相位选择机制，即通过相位模式模拟人眼视觉兴奋和抑制性神经元感受，这能够很好地体现了人眼视觉感知特性。
2)本发明方法在充分利用了人眼视觉相位选择机制的基础上，采用局部特征提取方法(即利用失真图像的多尺度多方向的相位图像中的每个像素点及其八邻域像素点各自的像素值来获取失真图像的多尺度多方向的相位图像的局部特征图)和旋转不变性方法获取视觉感知相位特征信息，因此能有效地提高客观评价结果与主观感知之间的相关性。
附图说明
图1为本发明方法的总体实现框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种基于相位选择性机制的通用无参考图像质量评价方法，其总体实现框图如图1所示，其处理过程为：首先，对待评价的失真图像实施Log-Gabor滤波，得到多尺度多方向的相位图像；接着对上述相位图像中的每个像素点的像素值与周边像素点的像素值进行比较得到局部特征图；然后采用旋转不变性方法求取局部特征图的局部特征模式图，并用直方图统计方法对局部特征模式图进行统计，得到待评价的失真图像的直方图统计特征向量；最后根据待评价的失真图像的直方图统计特征向量与训练集中的每幅失真图像的直方图统计特征向量之间的距离，得到待评价的失真图像的客观质量评价预测值。
本发明的基于相位选择性机制的通用无参考图像质量评价方法，其包括以下步骤：
①令{Id(i,j)}表示待评价的失真图像，其中，1≤i≤W,1≤j≤H，W表示{Id(i,j)}的宽度，H表示{Id(i,j)}的高度，Id(i,j)表示{Id(i,j)}中坐标位置为(i,j)的像素点的像素值。
②对{Id(i,j)}实施Log-Gabor滤波，得到{Id(i,j)}的多尺度多方向的相位图像，记为其中，表示中坐标位置为(i,j)的像素点的像素值。
③获取的局部特征图，记为将中坐标位置为(i,j)的像素点的像素值，即中坐标位置为(i,j)的像素点的局部特征值记为 其中，fun()为将二进制数转换成十进制数的函数，符号“||”表示二进制比特位续联符号， 符号“||”为取绝对值符号，当1≤i-1≤W且1≤j-1≤H时表示中坐标位置为(i-1,j-1)的像素点的像素值，当1≤i-1≤W且j-1<1时令当i-1<1且1≤j-1≤H时令当i-1<1且j-1<1时令当1≤i-1≤W时表示中坐标位置为(i-1,j)的像素点的像素值，当i-1<1时令当1≤i-1≤W且1≤j+1≤H时表示中坐标位置为(i-1,j+1)的像素点的像素值，当1≤i-1≤W且j+1>H时令当i-1<1且1≤j+1≤H时令当i-1<1且j+1>H时令当1≤j-1≤H时表示中坐标位置为(i,j-1)的像素点的像素值，当j-1<1时令当1≤j+1≤H时表示中坐标位置为(i,j+1)的像素点的像素值，当j+1>H时令当1≤i+1≤W且1≤j-1≤H时表示中坐标位置为(i+1,j-1)的像素点的像素值，当1≤i+1≤W且j-1<1时令当i+1>W且1≤j-1≤H时令当i+1>W且j-1<1时令当1≤i+1≤W时表示中坐标位置为(i+1,j)的像素点的像素值，当i+1>W时令当1≤i+1≤W且1≤j+1≤H时表示中坐标位置为(i+1,j+1)的像素点的像素值，当1≤i+1≤W且j+1>H时令当i+1>W且1≤j+1≤H时令当i+1>W且j+1>H时令上述 对应表示中坐标位置为(i-1,1)、(1,j-1)、(1,1)、(1,j)、(i-1,H)、(1,j+1)、(1,H)、(i,1)、(i,H)、(i+1,1)、(W,j-1)、(W,1)、(W,j)、(i+1,H)、(W,j+1)、(W,H)的像素点的像素值，T为设定的阈值，在本实施例中取T＝45，如假设，则在具体实施时，实际上也可以不用将二进制值转化成十进制值，即局部特征值直接用二进制表示。
在此，利用中坐标位置为(i,j)的像素点的像素值与八邻域像素点的像素值进行比较来获得中坐标位置为(i,j)的像素点的局部特征向量。
④采用现有的旋转不变性操作对进行处理，得到的局部特征模式图，记为其中，表示中坐标位置为(i,j)的像素点的像素值，也即是中坐标位置为(i,j)的像素点的局部特征模式值。
⑤采用现有的直方图统计方法对进行统计操作，得到{Id(i,j)}的直方图统计特征向量，记为hd，其中，hd的维数为1×m'维，hd中的第m个元素为hd(m)，1≤m≤m'，m'>1，在本实施例中取m'＝10。
⑥采用n”幅宽度为W且高度为H的原始的无失真图像，建立其在不同失真类型不同失真程度下的失真图像集合，将该失真图像集合作为训练集，训练集包括多幅失真图像；然后利用现有的主观质量评价方法评价出训练集中的每幅失真图像的平均主观评分值，将训练集中的第j幅失真图像的平均主观评分值记为DMOSj；再按照步骤①至步骤⑤的操作，以相同的方式获取训练集中的每幅失真图像的直方图统计特征向量，将训练集中的第j幅失真图像的直方图统计特征向量记为hd,j；其中，n”>1，在本实施例中取n”＝20，1≤j≤N'，N'表示训练集中包含的失真图像的总幅数，0≤DMOSj≤100，hd,j的维数为1×m'维，hd,j中的第m个元素为hd,j(m)。
⑦计算hd与训练集中的每幅失真图像的直方图统计特征向量之间的距离，将hd与hd,j之间的距离记为Ddis,j，Ddis,j＝|hd-hd,j|；然后将得到的N'个距离构成的集合记为{Ddis,j|1≤j≤N'}；接着对{Ddis,j|1≤j≤N'}中的所有距离按从小到大的顺序排列，将排列后的集合记为{D'dis,j|1≤j≤N'}；之后获取{D'dis,j|1≤j≤N'}中的前K'个距离各自对应的训练集中的失真图像的平均主观评分值，并将这K'个平均主观评分值构成的集合记为{DMOS'1,DMOS'2,…,DMOS'K'}；其中，符号“||”为取绝对值符号，1≤K'≤N'，在本实施例中取K'＝10，DMOS'1,DMOS'2,…,DMOS'K'对应表示{D'dis,j|1≤j≤N'}中的第1个距离对应的训练集中的失真图像的平均主观评分值、第2个距离对应的训练集中的失真图像的平均主观评分值、…、第K'个距离对应的训练集中的失真图像的平均主观评分值。
⑧计算{Id(i,j)}的客观质量评价预测值，记为Qdis，其中，D'dis,k'表示{D'dis,j|1≤j≤N'}中的第k'个距离，DMOS'k'表示D'dis,k'对应的训练集中的失真图像的平均主观评分值。
为进一步验证本发明方法的可行性和有效性，进行实验。
在此，采用LIVE图像库来分析利用本发明方法得到的失真图像的客观质量评价预测值与平均主观评分值之间的相关性。这里，利用评估图像质量评价方法的3个常用客观参量作为评价指标，即非线性回归条件下的Pearson相关系数(Pearson linear correlationcoefficient，PLCC)、Spearman相关系数(Spearman rank order correlationcoefficient，SROCC)、均方误差(root mean squared error，RMSE)，PLCC和RMSE反映失真图像的客观评价结果的准确性，SROCC反映其单调性。
利用本发明方法计算LIVE图像库中的每幅失真图像的客观质量评价预测值，再利用现有的主观质量评价方法获得LIVE图像库中的每幅失真图像的平均主观评分值。将按本发明方法计算得到的失真图像的客观质量评价预测值做五参数Logistic函数非线性拟合，PLCC和SROCC值越高，RMSE值越低说明客观评价方法的客观评价结果与平均主观评分值之间的相关性越好。反映本发明方法的质量评价性能的PLCC、SROCC和RMSE相关系数如表1所列。从表1所列的数据可知，按本发明方法得到的失真图像的客观质量评价预测值与平均主观评分值之间的相关性是很好的，表明客观评价结果与人眼主观感知的结果较为一致，足以说明本发明方法的可行性和有效性。
表1利用本发明方法得到的失真图像的客观质量评价预测值与平均主观评分值之间的相关性

Claims (3)

1.一种基于相位选择性机制的通用无参考图像质量评价方法，其特征在于包括以下步骤：
①令{Id(i,j)}表示待评价的失真图像，其中，1≤i≤W,1≤j≤H，W表示{Id(i,j)}的宽度，H表示{Id(i,j)}的高度，Id(i,j)表示{Id(i,j)}中坐标位置为(i,j)的像素点的像素值；
②对{Id(i,j)}实施Log-Gabor滤波，得到{Id(i,j)}的多尺度多方向的相位图像，记为其中，表示中坐标位置为(i,j)的像素点的像素值；
③获取的局部特征图，记为将中坐标位置为(i,j)的像素点的像素值，即中坐标位置为(i,j)的像素点的局部特征值记为 ，其中，fun()为将二进制数转换成十进制数的函数，符号“||”表示二进制比特位续联符号， 符号“||”为取绝对值符号，当1≤i-1≤W且1≤j-1≤H时，表示中坐标位置为(i-1,j-1)的像素点的像素值，当1≤i-1≤W且j-1<1时，令当i-1<1且1≤j-1≤H时，令当i-1<1且j-1<1时，令当1≤i-1≤W时，表示中坐标位置为(i-1,j)的像素点的像素值，当i-1<1时，令当1≤i-1≤W且1≤j+1≤H时，表示中坐标位置为(i-1,j+1)的像素点的像素值，当1≤i-1≤W且j+1>H时，令当i-1<1且1≤j+1≤H时，令当i-1<1且j+1>H时，令当1≤j-1≤H时，表示中坐标位置为(i,j-1)的像素点的像素值，当j-1<1时，令当1≤j+1≤H时，表示中坐标位置为(i,j+1)的像素点的像素值，当j+1>H时，令当1≤i+1≤W且1≤j-1≤H时，表示中坐标位置为(i+1,j-1)的像素点的像素值，当1≤i+1≤W且j-1<1时，令当i+1>W且1≤j-1≤H时，令当i+1>W且j-1<1时，令当1≤i+1≤W时，表示中坐标位置为(i+1,j)的像素点的像素值，当i+1>W时，令当1≤i+1≤W且1≤j+1≤H时，表示中坐标位置为(i+1,j+1)的像素点的像素值，当1≤i+1≤W且j+1>H时，令当i+1>W且1≤j+1≤H时，令当i+1>W且j+1>H时，令上述 对应表示中坐标位置为(i-1,1)、(1,j-1)、(1,1)、(1,j)、(i-1,H)、(1,j+1)、(1,H)、(i,1)、(i,H)、(i+1,1)、(W,j-1)、(W,1)、(W,j)、(i+1,H)、(W,j+1)、(W,H)的像素点的像素值，T为设定的阈值；
④采用旋转不变性操作对进行处理，得到的局部特征模式图，记为其中，表示中坐标位置为(i,j)的像素点的像素值，也即是中坐标位置为(i,j)的像素点的局部特征模式值；
⑤采用直方图统计方法对进行统计操作，得到{Id(i,j)}的直方图统计特征向量，记为hd，其中，hd的维数为1×m'维，hd中的第m个元素为hd(m)，1≤m≤m'，m'>1；
⑥采用n”幅宽度为W且高度为H的原始的无失真图像，建立其在不同失真类型不同失真程度下的失真图像集合，将该失真图像集合作为训练集，训练集包括多幅失真图像；然后利用主观质量评价方法评价出训练集中的每幅失真图像的平均主观评分值，将训练集中的第j幅失真图像的平均主观评分值记为DMOSj；再按照步骤①至步骤⑤的操作，以相同的方式获取训练集中的每幅失真图像的直方图统计特征向量，将训练集中的第j幅失真图像的直方图统计特征向量记为hd,j；其中，n”>1，1≤j≤N'，N'表示训练集中包含的失真图像的总幅数，0≤DMOSj≤100，hd,j的维数为1×m'维，hd,j中的第m个元素为hd,j(m)；
⑦计算hd与训练集中的每幅失真图像的直方图统计特征向量之间的距离，将hd与hd,j之间的距离记为Ddis,j，Ddis,j＝|hd-hd,j|；然后将得到的N'个距离构成的集合记为{Ddis,j|1≤j≤N'}；接着对{Ddis,j|1≤j≤N'}中的所有距离按从小到大的顺序排列，将排列后的集合记为{D'dis,j|1≤j≤N'}；之后获取{D'dis,j|1≤j≤N'}中的前K'个距离各自对应的训练集中的失真图像的平均主观评分值，并将这K'个平均主观评分值构成的集合记为{DMOS'1,DMOS'2,L,DMOS'K'}；其中，符号“| |”为取绝对值符号，1≤K'≤N'，DMOS'1,DMOS'2,L,DMOS'K'对应表示{D'dis,j|1≤j≤N'}中的第1个距离对应的训练集中的失真图像的平均主观评分值、第2个距离对应的训练集中的失真图像的平均主观评分值、…、第K'个距离对应的训练集中的失真图像的平均主观评分值；
⑧计算{Id(i,j)}的客观质量评价预测值，记为Qdis，其中，D'dis,k'表示{D'dis,j|1≤j≤N'}中的第k'个距离，DMOS'k'表示D'dis,k'对应的训练集中的失真图像的平均主观评分值。
2.根据权利要求1所述的基于相位选择性机制的通用无参考图像质量评价方法，其特征在于所述的步骤③中取T＝45。
3.根据权利要求1或2所述的基于相位选择性机制的通用无参考图像质量评价方法，其特征在于所述的步骤⑤中取m'＝10。
CN201510995783.6A 2015-12-25 2015-12-25 基于相位选择性机制的通用无参考图像质量评价方法 Active CN105611285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510995783.6A CN105611285B (zh) 2015-12-25 2015-12-25 基于相位选择性机制的通用无参考图像质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510995783.6A CN105611285B (zh) 2015-12-25 2015-12-25 基于相位选择性机制的通用无参考图像质量评价方法

Publications (2)

Publication Number Publication Date
CN105611285A CN105611285A (zh) 2016-05-25
CN105611285B true CN105611285B (zh) 2017-06-16

Family

ID=55990787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510995783.6A Active CN105611285B (zh) 2015-12-25 2015-12-25 基于相位选择性机制的通用无参考图像质量评价方法

Country Status (1)

Country Link
CN (1) CN105611285B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107040775B (zh) * 2017-03-20 2019-01-15 宁波大学 一种基于局部特征的色调映射图像质量客观评价方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200421A (zh) * 2013-04-07 2013-07-10 北京理工大学 一种基于Curvelet变换和相位一致的无参考图像质量评价方法
CN103914835A (zh) * 2014-03-20 2014-07-09 宁波大学 一种针对模糊失真立体图像的无参考质量评价方法
CN104112273A (zh) * 2014-07-04 2014-10-22 上海交通大学 基于对数Gabor滤波器相位相似性的图像质量评价方法
CN104820988A (zh) * 2015-05-06 2015-08-05 宁波大学 一种无参考立体图像质量客观评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200421A (zh) * 2013-04-07 2013-07-10 北京理工大学 一种基于Curvelet变换和相位一致的无参考图像质量评价方法
CN103914835A (zh) * 2014-03-20 2014-07-09 宁波大学 一种针对模糊失真立体图像的无参考质量评价方法
CN104112273A (zh) * 2014-07-04 2014-10-22 上海交通大学 基于对数Gabor滤波器相位相似性的图像质量评价方法
CN104820988A (zh) * 2015-05-06 2015-08-05 宁波大学 一种无参考立体图像质量客观评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于相位一致性的结构相似度图像融合质量评价方法;张玉珍等;《兵工学报》;20131231;第34卷(第12期);1514-1520页 *
基于相位一致结构相似度的图像质量评价方法;苏媛媛等;《计算机应用》;20120801;第32卷(第8期);2283-2287页 *
学习相位一致特征的无参考图像质量评价;李朝锋等;《电子与信息学报》;20130228;第35卷(第2期);484-488页 *

Also Published As

Publication number Publication date
CN105611285A (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN105574901B (zh) 一种基于局部对比度模式的通用无参考图像质量评价方法
CN104658001B (zh) 一种无参考非对称失真立体图像客观质量评价方法
CN109872305B (zh) 一种基于质量图生成网络的无参考立体图像质量评价方法
CN105376563B (zh) 基于双目融合特征相似度的无参考立体图像质量评价方法
CN104902268B (zh) 基于局部三元模式的无参考立体图像客观质量评价方法
CN101562675B (zh) 基于Contourlet变换的无参考型图像质量评测方法
CN105282543B (zh) 一种基于立体视觉感知的全盲立体图像质量客观评价方法
CN108665460A (zh) 基于组合神经网络和分类神经网络的图像质量评价方法
CN103517065B (zh) 一种质降参考立体图像质量客观评价方法
CN104954778B (zh) 一种基于感知特征集的立体图像质量客观评价方法
CN105979253A (zh) 基于广义回归神经网络的无参考立体图像质量评价方法
CN106791822B (zh) 一种基于单双目特征学习的无参考立体图像质量评价方法
Gupta et al. A novel full reference image quality index for color images
CN104376565A (zh) 基于离散余弦变换和稀疏表示的无参考图像质量评价方法
CN104036493A (zh) 一种基于多重分形谱的无参考图像质量评价方法
CN105357519A (zh) 基于自相似度特征的无参考立体图像质量客观评价方法
CN112464915B (zh) 一种基于人体骨骼点检测的俯卧撑计数方法
CN104036502A (zh) 一种无参考模糊失真立体图像质量评价方法
CN106683079B (zh) 一种基于结构失真的无参考图像客观质量评价方法
CN104361583A (zh) 一种非对称失真立体图像客观质量评价方法
CN103841411B (zh) 一种基于双目信息处理的立体图像质量评价方法
CN106023152A (zh) 一种无参考立体图像质量客观评价方法
CN105611285B (zh) 基于相位选择性机制的通用无参考图像质量评价方法
CN107292866A (zh) 一种基于相对梯度的图像质量客观评价方法
CN107292331B (zh) 基于无监督特征学习的无参考屏幕图像质量评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210917

Address after: 510670 room 517, No. 91 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province

Patentee after: Guangzhou Fangwei Intellectual Property Operation Co.,Ltd.

Address before: 310023 No. 318 stay Road, Xihu District, Zhejiang, Hangzhou

Patentee before: ZHEJIANG University OF SCIENCE AND TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220915

Address after: 314500 01, No. 4, South Zaoqiang street, No. 1, Nanmen Gongnong Road, Chongfu Town, Tongxiang City, Jiaxing City, Zhejiang Province

Patentee after: Jiaxing Qiyuan Network Information Technology Co.,Ltd.

Address before: 510670 room 517, No. 91 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Guangzhou Fangwei Intellectual Property Operation Co.,Ltd.

TR01 Transfer of patent right