欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018114069072
申请人: 嘉兴学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,该方法包括如下步骤:

步骤(1):从输入图像集中输入彩色图像,将输入图像集随机划分成测试图像集和训练图像集;

步骤(2):将测试图像集和训练图像集中的彩色图像提取出红色图像分量R、绿色图像分量G和蓝色图像分量B;

步骤(3):对R通道图像、G通道图像和B通道图像进行归一化处理,分别得到归一化R通道图像NR、归一化G通道图像NG和归一化B通道图像NB;

步骤(4):将归一化R通道图像在(i,j)点处的取值NR(i,j)、归一化G通道在(i,j)点处的取值NG(i,j)和归一化B通道在(i,j)点处的取值NB(i,j)组成彩色向量C(i,j),组合公式如下:

C(i,j)=[NR(i,j),NG(i,j),NB(i,j)]步骤(5):计算彩色图像在(i,j)点处的彩色向量中心夹角θ(i,j),将彩色向量中心夹角θ(i,j)组成彩色向量中心夹角图像θ,计算彩色向量中心夹角图像θ的CLBP特征;计算CLBP特征的均值、标准差、偏度、峰度和熵作为CLBP特征向量X;

步骤(6):计算彩色向量中心夹角图像的DLBP特征,计算DLBP特征的均值、标准差、偏度、峰度和熵作为DLBP直方图特征向量Y;

步骤(7):将特征向量X和特征向量Y合并成特征向量f1;

f1=[X,Y]

步骤(8):将步骤(1)中的输入彩色图像进行2级的下采样,得到另外2个不同尺度下的彩色图像;

步骤(9):对另外2个不同尺度下的彩色图像重复步骤(2)到步骤(9),得到另外2个不同尺度下的特征向量,记为f2和f3;

步骤(10):将特征向量f1、f2和f3组合成最终总的特征向量F,组合公式如下:F=[f1,f2,f3]

步骤(11):将特征向量F合并主观MOS分值送到支持向量回归机中进行训练,得到训练后的支持向量回归机;

步骤(12):将测试图像同样按步骤(1)到步骤(10)提取出特征向量F,送到训练后的支持向量回归机中进行测试,得到客观的图像质量评价结果。

2.根据权利要求1所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(3)中的归一化处理具体如下:以计算归一化R通道图像NR为例,采用公式如下:其中,(i,j)为某一像素在图像中的坐标,ω为大小为高为(2K+1)、宽为(2K+1)、均值为

0、方差为1的二维高斯滤波器系数,K为邻域像素点个数,m为二维高斯滤波器的行索引,n为二维高斯滤波器的列索引,R(i,j)为R通道图像在(i,j)处的取值,μR(i,j)为R通道图像进行高斯滤波后在(i,j)处的均值,σR(i,j)为R通道图像进行高斯滤波后在(i,j)处的标准差,其中C0为避免分母为0而设的常数;

采用同样的方法,可以计算出归一化G通道图像NG和归一化B通道图像NB。

3.根据权利要求1所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(5)具体如下:步骤(5.1):取出彩色图像在(i,j)点处的彩色向量C(i,j),以及(i,j)点半径为1的邻域的8个彩色向量C(i-1,j-1)、C(i-1,j)、C(i-1,j+1)、C(i,j+1)、C(i+1,j+1)、C(i+1,j)、C(i+1,j-1)和C(i,j-1);

步骤(5.2):计算(i,j)像素点处的彩色向量C(i,j)和8个半径为1的邻域彩色向量之间的夹角,以彩色向量C(i,j)和彩色向量C(i-1,j)之间的夹角θ(i-1,j)为例,计算公式如下:同理,可以计算出其他夹角,八个夹角分别为θ(i-1,j-1)、θ(i-1,j)、θ(i-1,j+1)、θ(i,j+1)、θ(i+1,j+1)、θ(i+1,j)、θ(i+1,j-1)和θ(i,j-1),并分别简化记为θQ0、θQ1、θQ2、θQ3、θQ4、θQ5、θQ6和θQ7;

步骤(5.3):计算彩色向量夹角图像θ在(i,j)像素点处的CLBP特征,计算方法如下:其中,t(·)为阈值函数,当x≥0时,t(x)=1,当x<0时,t(x)=0;CLBPK,R(i,j)为彩色向量夹角图像θ在像素点(i,j)处的CLBP特征,θQ0,θQ1,...,θQK-1为彩色向量夹角图像θ在(i,j)处以R=1为半径的K个邻域像素点的取值,其中,R为邻域半径,K为邻域像素点个数;

步骤(5.4):将所有像素点的CLBP特征组成CLBP图像,并将CLBP图像缩放到[0,255]范围,计算CLBP图像的均值、标准差、偏度、峰度和熵作为CLBP特征,计算公式如下:均值:

标准差:

偏度:

峰度:

熵:

W为CLBP图像的宽度,H为CLBP图像的高度,p1(j)为CLBP图像中像素取值为j的概率,CLBP直方图特征向量为X,X=[μ1,σ1,s1,k1,h1]。

4.根据权利要求1所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)具体如下:步骤(6.1):采用与步骤(5.1)类似的方法,取出彩色图像在(i,j)点处的彩色向量C(i,j),以及(i,j)点半径为2的邻域的8个彩色向量C(i-2,j-2)、C(i-2,j)、C(i-2,j+2)、C(i,j+

2)、C(i+2,j+2)、C(i+2,j)、C(i+2,j-2)和C(i,j-2);

步骤(6.2):采用与步骤(5.2)类似的方法,计算出(i,j)点处的彩色向量C(i,j)和8个半径为2的彩色向量之间的夹角θ(i-2,j-2)、θ(i-2,j)、θ(i-2,j+2)、θ(i,j+2)、θ(i+2,j+

2)、θ(i+2,j)、θ(i+2,j-2)和θ(i,j-2),分别简化记为θP0、θP1、θP2、θP3、θP4、θP5、θP6和θP7;

步骤(6.3):计算彩色向量夹角图像θ在像素点(i,j)处的DLBP特征,计算方法如下:其中,t(·)为阈值函数,当x≥0时,t(x)=1,当x<0时,t(x)=0;DLBPK,R(i,j)为彩色向量夹角图像在像素点(i,j)处的DLBP特征,θP0、θP1、θP2、θP3、θP4、θP5、θP6和θP7为彩色向量夹角图像θ在像素点(i,j)处以R=2为半径的K=8个邻域像素点的取值。

5.根据权利要求1或3所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)中的均值通过下式计算:

6.根据权利要求4所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)中的标准差通过下式计算:

7.根据权利要求5所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)中的偏度通过下式计算:

8.根据权利要求6所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)中的峰度通过下式计算:

9.根据权利要求7所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(6)中的熵通过下式计算:其中p2(j)为DLBP图像中像素取值为j的概率。

10.根据权利要求1所述的一种基于彩色向量夹角LBP算子的无参考彩色图像质量评价方法,其特征在于,所述步骤(8)中的下采样具体方法如下:对上一层图像采用窗口为J×J,方差为σ的高斯滤波器进行滤波,并进行横向和纵向N:

1下采样,得到下一尺度的图像,其中N为图像下采样的倍率。