用于图像质量评价的图像稀疏多维度特征提取方法

    公开(公告)号:CN104899874B

    公开(公告)日:2017-10-31

    申请号:CN201510256824.X

    申请日:2015-05-19

    Applicant: 浙江大学

    Abstract: 本发明公开了一种用于图像质量评价的图像稀疏多维度特征提取方法。本发明具体实施包括如下步骤:1.构造图像的参考块和搜索空间。2.分别在空间域和变换域寻找距离相近的块,并堆叠成组。3.堆叠后的组分别进行3D系数变换,获得多维的稀疏的变换域信息。4.提取变换域信息的直方图统计特征和位置线性拟合的相关系数。5.将上述特征构成的特征向量,利用支持向量机进行训练和分类,得到图像质量评价分数。本发明充分利用了图像全局的块相似度信息,实现了冗余特征的去除和有效的多维度稀疏特征的提取,提取的特征可以用于图像质量的客观评价。

    基于独立子空间分析的无参考图像质量客观评价方法

    公开(公告)号:CN105139373A

    公开(公告)日:2015-12-09

    申请号:CN201510250386.6

    申请日:2015-05-14

    Applicant: 浙江大学

    CPC classification number: G06T7/0002 G06T2207/30168

    Abstract: 本发明公开了一种基于独立子空间分析的无参考图像质量客观评价方法。本发明具体实施包括如下步骤:1.对公知数据库中的大量原始图像进行独立子空间分析,获取相对独立的一系列图像特征,统计其直方图分布,采用广义高斯密度(Generalized Gaussian Density,GGD)模型获取其边缘分布的统计曲线,作为基准参考;2.基于独立子空间分析提取待测失真图像的图像特征,采用GGD模型获取特征信息的统计分布;3.对比处理获取的失真图像特征信息统计分布与基准参考统计分布,测量并累计综合所有特征信息对应的欧式距离作为待测失真图像的质量度量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性,且性能优于传统图像质量评价方法。

    基于独立子空间分析的无参考图像质量客观评价方法

    公开(公告)号:CN105139373B

    公开(公告)日:2018-05-08

    申请号:CN201510250386.6

    申请日:2015-05-14

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于独立子空间分析的无参考图像质量客观评价方法。本发明具体实施包括如下步骤:1.对公知数据库中的大量原始图像进行独立子空间分析,获取相对独立的一系列图像特征,统计其直方图分布,采用广义高斯密度(Generalized Gaussian Density,GGD)模型获取其边缘分布的统计曲线,作为基准参考;2.基于独立子空间分析提取待测失真图像的图像特征,采用GGD模型获取特征信息的统计分布;3.对比处理获取的失真图像特征信息统计分布与基准参考统计分布,测量并累计综合所有特征信息对应的欧式距离作为待测失真图像的质量度量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性,且性能优于传统图像质量评价方法。

    基于图像分形特征的图像质量客观评价方法

    公开(公告)号:CN104794716B

    公开(公告)日:2017-10-03

    申请号:CN201510198220.4

    申请日:2015-04-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于图像分形特征的图像质量客观评价方法。本发明具体实施包括如下步骤:1.在预处理环节,使用公知数据库中的原始图像进行训练和拟合,得到图像质量评价的基准特征信息——分形维数矩阵和多重分形谱;2.采用盒子记数法分别计算待测失真图像的分形维数矩阵和多重分形谱等图像特征信息;3.将获取的失真图像特征信息与基准参考特征信息进行对比处理,得到其差异,并基于此通过综合处理以客观度量失真图像的质量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性,对于含有特定失真类型的图像质量评价性能更优异。

    基于图像分形特征的图像质量客观评价方法

    公开(公告)号:CN104794716A

    公开(公告)日:2015-07-22

    申请号:CN201510198220.4

    申请日:2015-04-23

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于图像分形特征的图像质量客观评价方法。本发明具体实施包括如下步骤:1.在预处理环节,使用公知数据库中的原始图像进行训练和拟合,得到图像质量评价的基准特征信息——分形维数矩阵和多重分形谱;2.采用盒子记数法分别计算待测失真图像的分形维数矩阵和多重分形谱等图像特征信息;3.将获取的失真图像特征信息与基准参考特征信息进行对比处理,得到其差异,并基于此通过综合处理以客观度量失真图像的质量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性,对于含有特定失真类型的图像质量评价性能更优异。

    用于图像质量评价的图像稀疏多维度特征提取方法

    公开(公告)号:CN104899874A

    公开(公告)日:2015-09-09

    申请号:CN201510256824.X

    申请日:2015-05-19

    Applicant: 浙江大学

    CPC classification number: G06T7/0002 G06T2207/30168

    Abstract: 本发明公开了一种用于图像质量评价的图像稀疏多维度特征提取方法。本发明具体实施包括如下步骤:1.构造图像的参考块和搜索空间。2.分别在空间域和变换域寻找距离相近的块,并堆叠成组。3.堆叠后的组分别进行3D系数变换,获得多维的稀疏的变换域信息。4.提取变换域信息的直方图统计特征和位置线性拟合的相关系数。5.将上述特征构成的特征向量,利用支持向量机进行训练和分类,得到图像质量评价分数。本发明充分利用了图像全局的块相似度信息,实现了冗余特征的去除和有效的多维度稀疏特征的提取,提取的特征可以用于图像质量的客观评价。

Patent Agency Ranking