基于_SVR的JPEG无参考图像质量评价.docxVIP

第31卷第10期计算机应用与软件Vol.31No．102014 年 10月Computer Applications andSoftwareOct．2014基于ε-SVＲ的JPEG无参考图像质量评价付燕张妍(西安科技大学计算机科学与技术学院 陕西西安710054)摘要为了更准确地评价无参考的JPEG图像的质量，提出一种基于ε-支持向量回归机(ε-SVＲ)的评价方法。考虑到亮度能更 好地反映块平坦度的平坦区域情况，而纹理对块效应失真的影响较大，提出利用亮度对比度对块平坦度加权，纹理复杂度对块效应 失真加权，得到更符合人眼特性的综合特征，再采用ε-SVＲ进行预测得到客观评价值———支持向量回归客观得分(SVＲOS)。实验结果表明，提取的特征能很好地反映人类视觉系统(HVS)特性，采用ε-SVＲ方法得出的客观评价结果与恶化平均意见得分DMOS(DegredationMeanOpinionScore)值具有较好的一致性，在性能上优于其他参考文献方法。关键词 支持向量机 支持向量回归机 JPEG 无参考 图像质量中图分类号TP3文献标识码ADOI:10．3969/j．issn．1000-386x．2014．10．051NO-ＲEFEＲENCEJPEGIMAGESQUALITYASSESSMENTBASEDONε-SVＲFuYanZhangYan(CollegeofComputerScienceandTechnology，Xi’anUniversityofScienceandTechnology，Xi’an710054，Shaanxi，China)AbstractForevaluatingno-referenceJPEGimagequalitymoreprecisely，weproposeanassessmentmethodwhichisbasedonε-supportvectorregression(ε-SVＲ)．Consideringthatthebrightnesscanbetterreflectflatregion’ssituationoftheblockflatnessandthetextureaffectsmoreondistortionofblockingeffect，weproposetousebrightnesscontractforblockflatnessweightingandusetexturecomplexityforblockeffectdistortionweightingsoastoobtainthecomprehensivefeaturewhichfitshumaneyes’featuremore．Thentheε-SVＲisadoptedforpredictiontoacquireobjectiveassessmentvalue———thesupportvectorregressionobjectivescore(SVＲOS)．Experimentalresultsindicatethattheextractedfeaturecanwellreflectthefeaturesofhumanvisualsystem(HVS)，andtheobjectiveevaluationresultderivedfromusingε-SVＲapproachisinbetterconformitywiththevalueofdegradationmeanopinionscore(DMOS)，andoutperformsothermethodsinreferenceliteraturesinitsperformance．Keywords Support vector machine Support vector regression JPEG No-reference Imagequality0引言在图像的采集、处理、传输和存储过程中，由于成像设备、处理方法、传输失真以及存储设备等的因素，加之一些外界影响，很容易导致图像的失真或降质，这给我们认识客观世界、研究图像带来很大的困难［1］。故而，图像质量评价的研究一直以来是图像信息学科的基础研究之一。全参考图像质量评价方法假定原始图像存在并且完全可以获得［1］，但是在实际应用中很难获得原始图像作为参考图像，而且有时候观察者是在没有任何参考图像的情况下对图像质量进行评价，因此无参考图像质量评价就显得尤为重要。上世纪90年代，Vapnik等人提出了支持向量机SVM(Sup-port Vector Machine)的统计学习理论方法［9］，它利用了结构风险最小化原则。SVM是着眼全局最优，没有局部的极小值和隐层的结点数选择等问题，比较