公开(公告)号：CN111709914B

公开(公告)日：2022-04-22

申请号：CN202010461505.3

申请日：2020-05-27

申请人： 西安理工大学

发明人： 谢国 ,  高欢 ,  刘涵 ,  梁莉莉 ,  钱富才 ,  张春丽 ,  陈庞 ,  王雨冰 ,  王丹 ,  彭希

IPC分类号： G06T7/00 ,  G06K9/62 ,  G06V10/46 ,  G06V10/80

摘要： 本发明公开了一种基于HVS特性的无参考图像质量评价方法，首先将图像数据库中的失真图像分为训练图像集和测试图像集，然后提取训练图像集和测试图像集的显著性区域，将训练图像集和测试图像集中的每幅图像划分为易引起视觉注意的显著性区域和不易引起人眼关注的非显著性区域；最后对训练图像集和测试图像集中的每幅图像进行分块，分别对训练图像集中显著性区域的图像块和非显著性区域的图像块提取自然统计特征，将测试集图像中提取的统计特征输入支持向量机SVM中进行回归预测获得分数，分数越高表明图像质量越好。本发明使得图像质量评价的结果更好的拟合人类视觉系统特性。

公开(公告)号：CN111709914A

公开(公告)日：2020-09-25

申请号：CN202010461505.3

申请日：2020-05-27

申请人： 西安理工大学

发明人： 谢国 ,  高欢 ,  刘涵 ,  梁莉莉 ,  钱富才 ,  张春丽 ,  陈庞 ,  王雨冰 ,  王丹 ,  彭希

IPC分类号： G06T7/00 ,  G06K9/62 ,  G06K9/46

摘要： 本发明公开了一种基于HVS特性的无参考图像质量评价方法，首先将图像数据库中的失真图像分为训练图像集和测试图像集，然后提取训练图像集和测试图像集的显著性区域，将训练图像集和测试图像集中的每幅图像划分为易引起视觉注意的显著性区域和不易引起人眼关注的非显著性区域；最后对训练图像集和测试图像集中的每幅图像进行分块，分别对训练图像集中显著性区域的图像块和非显著性区域的图像块提取自然统计特征，将测试集图像中提取的统计特征输入支持向量机SVM中进行回归预测获得分数，分数越高表明图像质量越好。本发明使得图像质量评价的结果更好的拟合人类视觉系统特性。