陈 勇 帅 锋 樊 强



基于自然统计特征分布的无参考图像质量评价

陈 勇*帅 锋 樊 强

(重庆邮电大学工业物联网与网络化控制教育部重点实验室 重庆 400065)

针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果，该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural statistics, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分，再将高频子带部分分成的小块，提取每一子块的幅值和信息熵，并分别计算其分布直方图均值和斜度作为特征，利用支持向量回归思想对特征进行训练，建立5种不同失真类型的质量预测模型。在此基础上，采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重，结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明，该算法的评价效果优于现有的经典算法，与主观评价具有较好一致性，能够准确反映人类对图像质量的视觉感知效果。

无参考图像质量评价；小波分解；局部幅值；局部熵

1 引言

数字图像在处理、传输和存储过程中会产生不同类型、不同程度的失真，严重影响人们对图像信息的提取与理解。因此在图像采集、传输、复原、增强、检索、识别等应用领域建立有效的图像质量评价机制至关重要[1]。

自然场景统计(Natural Scene Statistics, NSS)是对自然图像具有的某种属性的统计分析，可以用来测量退化所造成的图像自然属性的破坏[2]，作为图像基本成分广泛应用于通用型无参考评价算法中。……