本发明公开一种基于结构相似度映射字典学习的无参考图像质量评价方法。该方法包含以下步骤:
该方法通过训练得到结构相似度映射字典,并利用该字典进行特征提取,其与大脑视觉皮层的神经特性较为吻合。因此,能够得到预测效果更精确的无参考图像质量评价结果。
| 专利名称 | 一种基于结构相似度映射字典学习的无参考图像质量评价方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201810077452.8 |
| 申请号 | - | 专利申请日期 | 2018-01-26 |
| 专利授权日期 | 2018-07-17 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 汪斌;陈淑聪 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开一种基于结构相似度映射字典学习的无参考图像质量评价方法,该方法将字典训练图像集的结构相似度映射图像和参考图像联合训练得到联合字典,采用联合字典对评价训练图像集和评价测试图像集中的失真图像进行稀疏分解,得到其结构相似度映射图,再从中提取多个方向下的灰度共生矩阵并转换成向量,计算灰度共生矩阵向量在多尺度下的标准差、偏度和峰度组合成特征向量,送到支持向量回归机中进行训练和测试,预测得到客观质量评价分值。该方法训练得到结构相似度映射字典,并采用结构相似度映射字典进行特征提取,与大脑视觉皮层的神经特性较吻合,从而能得到预测效果更精确的无参考图像质量评价结果。 | ||