学习相位一致特征的无参考图像质量评价.pdfVIP

第35卷第2期 电 子 与 信 息 学 报 V01．35NO．2 2013年 2月 JournalofElectronics＆ InformationTechnology Feb．2013 学习相位一致特征的无参考图像质量评价 李朝锋 ㈢ 唐国凤 吴小俊 琚宜文② f江南大学物联网工程学院 无锡 2141221 (中国科学院计算地球动力学重点实验室 中国科学院大学地球科学学院 北京 100049) 摘 要：为了有效地评价不同失真类型的图像质量，该文提出一种利用广义回归神经网络(GRNN)学习图像相位一 致特征的无参考评价方法。该方法首先使用相位一致模型产生相位一致图像、相位一致协方差最大、最小图像，然 后利用灰度一梯度共生矩阵模型计算该 3幅图像的梯度熵、原始图像的梯度均值和梯度熵，再加上该3幅图像的均 值，共8个特征输入 GRNN模型训练学习，预测得到图像质量评价得分。实验结果表明新方法与主观得分有较好 的一致性，同时具有可靠的推广性。 关键词：图像处理；无参考图像质量评价；相位一致；灰度一梯度共生矩阵；广义回归神经网络 中图分类号：TN911．73 文献标识码：A 文章编号：1009—5896(2013)02—0484—05 DOI：10．3724／SP．J．1146．2012．00695 No—referenceImageQualityAssessmentwith LearningPhaseCongruencyFeature LiChao—feng①② TangGuo—feng① WulXiao-jun① JuYi—wen② (School InternetofThingsEngineering)JiangnanUniversity，Wuxi214122jChina) (KeyLaboratoryofComputationalGeodynamics，CAS，ColledgeofEarthScience， UniversityofChineseAcademyofSciences，Beijing100049，China) Abstract：In ordertoassessmultidistortedtypesofimagequality effectively，anew noreferenceimagequality assessmentmethodisproposed，whichusesGeneralRegressionNeuralNetwork(GRNN)modeltopredictimage qualityscorebylearningphasecongruencyfeature．Inthismethod，threeimages，namelythePhaseCongruency (PC)image，themaximummomentofPCcovarianceandtheminimummomentofPCcovarianceimage，are produced by thephasecongruencymode1．Secondlythegradiententropy ofthethreereproduced images，the gradientmean value and the gradiententropy oftheoriginalimageare computed by gray—levelgradient CO—occurrencematrixmodel，andthemean valueofthethreeimagesagealsocalculated．Atlastallaboveeight featuresarefed toGRNN to learn，andpredict imagequality sco