基于奇异值分解的无参考模糊图像质量评价方法-激光与红外.pdf

第４３卷　 第７期　 　　　　　　　　　　　　　　激 光 与 红 外 Ｖｏｌ．４３，Ｎｏ．７ 　 ２０１３年７月　　　 　 　　　　　　　　　　ＬＡＳＥＲ　＆　ＩＮＦＲＡＲＥＤ Ｊｕｌｙ，２０１３ 　　文章编号：１００１５０７８（２０１３）０７０８０９０５ ·图像与信号处理 · 基于奇异值分解的无参考模糊图像质量评价方法 殷　莹 （江南大学理学院，江苏 无锡２１４１２２） 摘　要：提出了一种针对模糊图像的无参考图像质量评价算法。首先，对图像进行高斯低通 滤波变换产生参考图像，其次对高斯低通滤波前后的图像分别进行奇异值分解，然后构造 公式计算图像高斯滤波前后的奇异值改变量作为图像的特征向量，最后应用广义回归神经 网络模型对图像的特征向量进行训练学习，得到图像的模糊值。在３个图像数据库上的大 量实验结果表明，新方法计算简单。预测得分与主观得分有较好的一致性，取得了比较好的评 价指标。 关键词：无参考图像质量评价；奇异值分解；广义回归神经网络；模糊图像 中图分类号：ＴＰ３９１　　文献标识码：Ａ　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１５０７８．２０１３．０７．０２０ Ｎｏｎｒｅｆｅｒｅｎｃｅｂｌｕｒｉｍａｇｅｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎ ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ ＹＩＮＹｉｎｇ （Ｓｃｈｏｏｌｏｆｓｃｉｅｎｃｅ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＡｎｏｎｒｅｆｅｒｅｎｃｅｂｌｕｒｉｍａｇｅｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄＦｉｒｓｔｌｙ，ｔｈｅｒｅｆｅｒｅｎｃｅｉｍａｇｅｉｓｐｒｏｄｕｃｅｄ ｔｈｒｏｕｇｈｔｈｅＧａｕｓｓｌｏｗｐａｓｓｆｉｌｔｅｒｔｒａｎｓｆｏｒｍａｔｉｏｎ，ｔｈｅｎｔｈｅｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎｉｓｍａｄｅｆｏｒｔｈｅｉｍａｇｅｂｅｆｏｒｅ ａｎｄａｆｔｅｒｇａｕｓｓｌｏｗｐａｓｓｆｉｌｔｅｒｔｒａｎｓｆｏｒｍａｔｉｏｎ，ａｎｄｔｈｅｎｂｙｃｏｎｓｔｒｕｃｔｉｎｇｔｈｅｆｏｒｍｕｌａｔｈｅｃｈａｎｇｅｏｆｓｉｎｇｕｌａｒｖａｌｕｅｉｓ ｃｏｍｐｕｔｅｄ，ａｎｄｉｔｉｓｍａｄｅａｓｔｈｅｉｍａｇｅｆｅａｔｕｒｅｖｅｃｔｏｒ，ｆｉｎａｌｌｙｔｈｅｉｍａｇｅｆｅａｔｕｒｅｖｅｃｔｏｒｉｓｔｒａｉｎｅｄｂｙａｐｐｌｙｉｎｇｇｅｎｅｒａｌｉｚｅｄ ｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ，ｔｈｅｂｌｕｒｖａｌｕｅｏｆｉｍａｇｅｉｓｇｏｔｔｅｎＡｌｏｔｏｆｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｔｈｅｔｈｒｅｅｉｍａｇｅｄａ ｔａｂａｓｅｓｈｏｗｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｉｓｓｉｍｐｌｅＰｒｅｄｉｃｔｉｏｎｓｃｏｒｅｓａｎｄｓｕｂｊｅｃｔｉｖｅｓｃｏｒｅｓｈａｖｅｇｏｏｄｃｏｎｓｉｓｔｅｎｃｙＴｈｅａｌｇｏ ｒｉｔｈｍｈａｓｏｂｔａｉｎｅｄａｇｏｏｄｅｖａｌｕａｔｉｏｎｉｎｄｅｘ Ｋｅｙｗｏｒｄｓ：ｎｏｒｅｆｅｒｅｎｃｅｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ；ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｇｅｎｅｒａｌｉｚｅｄｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔ ｗｏｒｋ；ｂｌｕｒｉｍａｇｅ １　引　言 成本低，耗时短，更容易被嵌入到实时应用系统中， 研究判定图像质量好坏的算法可以解决图像伴 具有很好的应用价值。 有的模糊失真难题，据此可进一步找到保持和提高 根据需要的参考信息量，客