丁 勇 李 楠



基于高维度特征分析的非局部图像质量评价方法

丁 勇 李 楠*

(浙江大学超大规模集成电路设计研究所 杭州 310027)

传统的图像质量评价方法通常提取低维度特征即图像的片面信息用来分析图像质量。高维度特征尽管不易分析但保留了更多信息，更利于全面分析图像质量。针对这种现状，该文提出一种优化数据采样后基于高维度特征分析的图像质量评价方法。首先对图像数据采样分别利用块匹配进行筛选，用主成分分析进行降维，其次利用核独立分量分析从图像数据采样中提取高维度特征，最后基于自然图像统计特性对特征进行综合得出图像质量。实验结果表明所提方法与人的主观评价较为一致。

图像质量评价；高维度特征；非局部；核独立分量分析

1 引言

图像质量是图像处理系统中重要的反馈参数[1]。随着多媒体和互联网技术的发展，图像和视频在编码，压缩和传输过程中引入的失真使得图像质量评价的重要性日益提高。相对于主观图像质量评价的耗时，不可重复且昂贵的特点，客观图像质量评价若能设计出与人的主观评价相一致的算法，则能够大大降低图像质量评价成本，具有巨大的研究和应用价值。

从原始图像可以提供的信息量进行分类，客观图像质量评价可以分为全参考，半参考和无参考3类[2]。从提取的特征进行分类，客观图像质量评价可以分为基于误差，基于人眼视觉特性和基于自然图像统计3种模型。……