圖像質量的客觀評價方法
【專利摘要】本發明實施例提供了一種圖像質量的客觀評價方法。所述方法包括：獲取失真圖像和所述失真圖像對應的原始圖像；提取所述原始圖像的輪廓和所述失真圖像的輪廓；計算所述失真圖像的輪廓和所述原始圖像的輪廓之間的相似性；根據所述失真圖像的輪廓和所述原始圖像的輪廓之間的相似性，得到所述失真圖像的輪廓退化程度DSC；對所述原始圖像和所述失真圖像分別進行分割，生成分割區域；對于每個所述分割區域，分別衡量所述原始圖像和所述失真圖像之間的內容相似性；對每個所述分割區域的內容相似性加權，得到所述失真圖像的區域退化程度DSR；根據所述失真圖像的輪廓退化程度DSC和所述失真圖像的區域退化程度DSR，得到所述失真圖像的圖像質量。
【專利說明】
圖像質量的客觀評價方法
技術領域
[0001] 本發明設及圖像處理領域，尤其設及一種圖像質量的客觀評價方法。
【背景技術】
[0002] 隨著信息化時代的到來，多媒體（圖像，視頻等)成為日常生活中信息的重要載體。 然而，在圖像獲取，處理，壓縮，存儲，傳輸，顯示等過程中，任何一個階段都可能造成圖像質 量的損失。圖像質量評價已經成為信息工程領域重要的基礎課題之一。
[0003] -般而言，圖像質量評價分為兩大類:主觀質量評價和客觀質量評價。主觀評價由 被試者對圖像進行打分，而客觀質量評價由算法對圖像質量進行評估。由于人是圖像的最 終接受者，人的主觀評價是最合適的標準。然而，主觀評價成本高昂，需要巨大的人力物力， 無法在實時系統上實現。客觀圖像質量評價的目的在于設計計算模型自動地預測圖像質 量，盡可能與主觀評價保持一致。
[0004] 根據參考源的有無，客觀質量評價可W分為全參考、半參考、無參考客觀圖像質量 評價。傳統的全參考圖像質量評價方法包括均方誤差(Mean Squared Erroi^MSE)，峰值信 噪比(Peak Si即al to Noise Ratio,PSNR)等，主要基于誤差的統計特性。運些方法計算簡 單，便于優化，具有清楚的物理含義，因此成為了信息工程領域的主流方法。然而運些方法 將圖像視作一維信號處理，忽略了圖像中相鄰像素間的高度相關性，特別是圖像中的的空 間結構包含了豐富的視覺信息。因此，運些方法不能很好的與主觀評價保持一致，具有很大 的局限性。
[0005] 目前的全參考方法一般在圖像塊上提取特征來描述每個像素點的質量，最終得到 圖像質量圖。
【發明內容】
[0006] 本發明的實施例提供了一種圖像質量的客觀評價方法，提高了客觀質量評價與主 觀評價的一致性。
[0007] 為了實現上述目的，本發明采取了如下技術方案。
[000引一種圖像質量的客觀評價方法，包括：
[0009] 步驟1，獲取失真圖像和所述失真圖像對應的原始圖像；
[0010] 步驟2,提取所述原始圖像的輪廓和所述失真圖像的輪廓;計算所述失真圖像的輪 廓和所述原始圖像的輪廓之間的相似性;根據所述失真圖像的輪廓和所述原始圖像的輪廓 之間的相似性，得到所述失真圖像的輪廓退化程度DSC;
[0011] 步驟3,對所述原始圖像和所述失真圖像分別進行分割，生成分割區域;對于每個 所述分割區域，分別衡量所述原始圖像和所述失真圖像之間的內容相似性;對每個所述分 割區域的內容相似性加權，得到所述失真圖像的區域退化程度DSR;
[0012] 步驟4,根據所述失真圖像的輪廓退化程度DSC和所述失真圖像的區域退化程度 DSR，得到所述失真圖像的圖像質量。
[0013] 所述步驟4具體為：
[0014] 所述失真圖像的圖像質量Q = DSCY . DSRI-y。
[0015] 丫為第一調節系數，取值范圍為(0，1)，調節所述失真圖像的輪廓退化程度與區域 退化程度之間的相對重要性。
[0016] 所述步驟2包括：
[0017] 步驟2.1，利用輪廓檢測方法，分別提取所述原始圖像和所述失真圖像的輪廓;設 置闊值;根據所述闊值和所述原始圖像和所述失真圖像的輪廓，得到不同層次的所述原始 圖像和所述失真圖像的輪廓的二值圖；
[0018] 步驟2.2,在每個層次上，將所述原始圖像和所述失真圖像的輪廓的二值圖劃分成 所述原始圖像和所述失真圖像的二值圖的輪廓塊；
[0019] 步驟2.3,對于每個所述原始圖像和所述失真圖像的輪廓塊對，分別采樣得到所述 原始圖像和所述失真圖像的樣本點集；
[0020] 步驟2.4,對于所述原始圖像和所述失真圖像的樣本點集中的點對，計算匹配代 價；
[0021] 步驟2.5,根據所述匹配代價，求解加權二部圖匹配問題，得到所述失真圖像的輪 廓塊的退化程度；
[0022] 步驟2.6，加權所有輪廓塊的退化程度，得到所述失真圖像的輪廓退化程度。
[0023] 所述步驟2.4根據W下公式計算：
[0024] 匹配代價
;
[0025] Cs為形狀項;Ca為局部外觀項;a為第二調節系數，取值范圍為(〇，1)，用于調節局部 外觀項與形狀項的相對重要性；
[0026]
[0027] 0為樣本點的方向，g為形狀上下文；ii，ji為所述失真圖像和所述原始圖像的樣本 點集中的點對序號，Ki為形狀上下文直方圖桶的數量，ki為形狀上下文直方圖桶的序號。 [00%]所述步驟2.5根據W下公式計算：
[0029] 所述失真圖像的輪廓塊的退化程走
[0030] &1，的,'1)為點對的最小匹配代價;ii為樣本點序號
[0031 ] 6、根據權利要求3所述的方法，其特征在于，所述步驟2.6包括：
[0032]
[0033] i2為所述輪廓塊對的序號；I為指示函數，如果
取1;否則取0。
[0034] 所述步驟3包括：
[0035] 步驟3.1，對圖片集中的所有圖像，提取局部描述子；
[0036] 步驟3.2，對所述局部描述子應用聚類方法構建視覺字典；
[0037] 步驟3.3,利用圖像分割方法，將所述原始圖像劃分成不同分割區域，生成分割結 果;用所述分割結果分割所述失真圖像；
[0038] 步驟3.4,對于每個所述分割區域，計算所述原始圖像與所述失真圖像在所述視覺 詞典下的低維表示；
[0039] 步驟3.5，根據所述低維表示，計算所述分割區域的失真圖像的區域退化程度；
[0040] 步驟3.6，獲取各個所述分割區域的權重；
[0041] 步驟3.7,根據所述各個所述分割區域的權重，對所有所述分割區域的失真圖像的 區域退化程度加權，得到所述失真圖像的區域退化程度。
[0042] 當所述低維表示為直方圖時，所述步驟3.5具體為：
[0043]
[0044] cKhi，h2)為所述分割區域的失真圖像的區域退化程度；
[0045] hi，h2為所述原始圖像和所述失真圖像在視覺詞典下的直方圖；
[0046] K2為視覺詞典的大小，k2為直方圖桶的序號.
[0047] 所述步驟3.6具體為：
[004引根據各個所述分割區域所占的面積比例，確定各個所述分割區域的權重;或者根 據各個所述分割區域的顯著度，確定各個所述分割區域的權重。
[0049] 所述步驟3.7具體為：
[0050] ?%為序號為i3的分割區域的權重;馬:3為序號為i3的分割區域的失真圖像的區域 退化程度，i3為所述分割區域的序號。
[0051] 由上述本發明的實施例提供的技術方案可W看出，本發明實施例整體考慮了輪廓 和區域對圖像質量的影響，提高了客觀質量評價與主觀評價的一致性，并且適用性廣泛。
[0052] 本發明附加的方面和優點將在下面的描述中部分給出，運些將從下面的描述中變 得明顯，或通過本發明的實踐了解到。
【附圖說明】
[0053] 為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本 領域普通技術人員來講，在不付出創造性勞動性的前提下，還可W根據運些附圖獲得其他 的附圖。
[0054] 圖1為本發明實施例一提供的一種圖像質量的客觀評價方法的處理流程圖；
[0055] 圖2為本發明另一實施例提供的一種圖像質量的客觀評價方法的處理流程圖。
[0056] 圖3示出了本發明的衡量輪廓退化程度的具體流程。其中，圖3(a)為參考圖像;圖3 (b)為失真圖像；圖3(c，d)為輪廓檢測得到的輪廓圖；圖3(e，f)為設定闊值為0.1得到的二 值圖；圖3(g，h)為取圖3(e，f)中第一行第九列對應圖像塊；圖3(i，j)為采樣得到的樣本點 集，箭頭表示該點方向；圖3化)為輪廓匹配結果，連線表示兩點對應關系。
[0057] 圖4示出了本發明的衡量區域退化程度的具體流程。其中，圖4(a)為參考圖像；圖 (b)為分割結果，5號區域和11號區域被標注出來;圖（c，d)為5號區域和11號區域的直方圖。 橫軸表示視覺詞典中詞語的索引，縱軸表示詞語數量。
【具體實施方式】
[0058] 下面詳細描述本發明的實施方式，所述實施方式的示例在附圖中示出，其中自始 至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參 考附圖描述的實施方式是示例性的，僅用于解釋本發明，而不能解釋為對本發明的限制。
[0059] 如圖1所述，為本發明所述的一種圖像質量的客觀評價方法，包括：
[0060] 步驟11，獲取失真圖像和所述失真圖像對應的原始圖像；
[0061] 步驟12,提取所述原始圖像的輪廓和所述失真圖像的輪廓;計算所述失真圖像的 輪廓和所述原始圖像的輪廓之間的相似性;根據所述失真圖像的輪廓和所述原始圖像的輪 廓之間的相似性，得到所述失真圖像的輪廓退化程度DSC;
[0062] 步驟13,對所述原始圖像和所述失真圖像分別進行分割，生成分割區域;對于每個 所述分割區域，分別衡量所述原始圖像和所述失真圖像之間的內容相似性;對每個所述分 割區域的內容相似性加權，得到所述失真圖像的區域退化程度DSR;
[0063] 步驟14,根據所述失真圖像的輪廓退化程度DSC和所述失真圖像的區域退化程度 DSR，得到所述失真圖像的圖像質量。
[0064] 所述步驟14具體為：
[0065] 所述失真圖像的圖像質量Q = DSCY . DSRI-y。
[0066] 丫為第一調節系數，取值范圍為(0，1)，調節所述失真圖像的輪廓退化程度與區域 退化程度之間的相對重要性。
[0067] 所述步驟12包括：
[0068] 步驟12.1，利用輪廓檢測方法，分別提取所述原始圖像和所述失真圖像的輪廓;設 置闊值;根據所述闊值和所述原始圖像和所述失真圖像的輪廓，得到不同層次的所述原始 圖像和所述失真圖像的輪廓的二值圖；
[0069] 步驟12.2,在每個層次上，將所述原始圖像和所述失真圖像的輪廓的二值圖劃分 成所述原始圖像和所述失真圖像的二值圖的輪廓塊；
[0070] 步驟12.3,對于每個所述原始圖像和所述失真圖像的輪廓塊對，分別采樣得到所 述原始圖像和所述失真圖像的樣本點集；
[0071] 步驟12.4,對于所述原始圖像和所述失真圖像的樣本點集中的點對，計算匹配代 價；
[0072] 步驟12.5,根據所述匹配代價，求解加權二部圖匹配問題，得到所述失真圖像的輪 廓塊的退化程度；
[0073] 步驟12.6,加權所有輪廓塊的退化程度，得到所述失真圖像的輪廓退化程度。
[0074] 所述步驟12.4根據W下公式計算：
[0075] 匹配代價
[0076] Cs為形狀項;Ca為局部外觀項;a為第二調節系數，取值范圍為(〇，1)，用于調節局部 外觀項與形狀項的相對重要性；
[0077]
[0078] 0為樣本點的方向，g為形狀上下文；ii，ji為所述失真圖像和所述原始圖像的樣本 點集中的點對序號，Ki為形狀上下文直方圖桶的數量，ki為形狀上下文直方圖桶的序號。
[0079] 所述步驟12.5根據W下公式計算：
[0080] 所述失真圖像的輪廓塊的退化程走
[0081] 為點對的最小匹配代價;ii為樣本點序號
[0082] 所述步驟12.6包括：
[0083]
[0084] i2為所述輪廓塊對的序號；I為指示函數，如果SCfz > 0取1;否則取0。
[00化]所述步驟13包括：
[0086] 步驟13.1，對圖片集中的所有圖像，提取局部描述子；
[0087] 步驟13.2，對所述局部描述子應用聚類方法構建視覺字典；
[0088] 步驟13.3,利用圖像分割方法，將所述原始圖像劃分成不同分割區域，生成分割結 果;用所述分割結果分割所述失真圖像；
[0089] 步驟13.4,對于每個所述分割區域，計算所述原始圖像與所述失真圖像在所述視 覺詞典下的低維表示；
[0090] 步驟13.5,根據所述低維表示，計算所述分割區域的失真圖像的區域退化程度；
[0091] 步驟13.6,獲取各個所述分割區域的權重；
[0092] 步驟13.7,根據所述各個所述分割區域的權重，對所有所述分割區域的失真圖像 的區域退化程度加權，得到所述失真圖像的區域退化程度。
[0093] 當所述低維表示為直方圖時，所述步驟13.5具體為：
[0094]
[0095] cKhi，h2)為所述分割區域的失真圖像的區域退化程度；
[0096] hi，h2為所述原始圖像和所述失真圖像在視覺詞典下的直方圖；
[0097] K2為視覺詞典的大小，k2為直方圖桶的序號.
[0098] 所述步驟13.6具體為：
[0099] 根據各個所述分割區域所占的面積比例，確定各個所述分割區域的權重;或者根 據各個所述分割區域的顯著度，確定各個所述分割區域的權重。
[0100] 航冰擊聰19 7目.化電-
[0101]
[0102] Wfs為序號為i3的分割區域的權重;dfs為序號為i3的分割區域的失真圖像的區域 退化程度，i3為所述分割區域的序號。
[0103] 本發明的有益效果如下：
[0104] 本發明一方面，將輪廓視作整體來衡量輪廓的質量退化;另一方面，衡量每個區域 的質量退化，通過分別衡量原始圖像和失真圖像在輪廓和局部區域兩部分的相似程度，結 合兩部分得到表示圖像質量的客觀質量分數。也就是說，本發明將圖像劃分為結構部分和 局部區域:檢測圖像輪廓表示結構信息，提取局部描述子表示局部區域內容。分別衡量失真 圖像與原始圖像在兩部分的相似性，結合兩者得到圖像客觀質量。充分考慮人眼視覺系統 的特性，層次化表示圖像質量感知過程，整體考慮了輪廓和區域對圖像質量的影響，提高了 客觀質量評價與主觀評價的一致性，并且適用性廣泛。
[0105] W下描述本發明的另一實施例。
[0106] 本發明提供了一種基于輪廓和區域的圖像客觀質量評價方法，包括：
[0107] 步驟1，提取原始圖像和失真圖像輪廓，并計算兩者相似性來衡量輪廓退化程度； 其中，提取原始圖像和失真圖像輪廓具體為:按照輪廓強度進行分層。計算兩者相似性來衡 量輪廓退化程度具體為:對輪廓分塊，在合適的尺度上考慮輪廓質量退化。在合適的尺度上 考慮輪廓質量退化具體為:將輪廓視作整體，考慮原始圖像與失真圖像輪廓的退化。
[0108] 步驟2,對原始圖像和失真圖像進行分割。對于每個區域，分別衡量原始圖像和失 真圖像內容的相似性，加權所有區域，來衡量圖像的區域退化程度。其中，對原始圖像和失 真圖像進行分割具體為：用原始圖像的分割結果來劃分失真圖像，得到原始圖像與失真圖 像區域的對應關系。其中，對于每個區域分別衡量原始圖像和失真圖像內容的相似性具體 為:提取局部描述子表示區域內容。其中，加權所有區域衡量圖像的區域退化程度具體為： 按照圖像顯著度加權各區域。
[0109] 步驟3)結合輪廓退化程度和區域退化程度，衡量失真圖像的質量。其中，結合輪廓 退化程度和區域退化程度衡量失真圖像質量具體為：圖像質量感知過程具有層次性，將圖 像分為結構部分和區域部分。
[0110] 所述步驟1)還包括：
[0111] 步驟1.1)，利用輪廓檢測方法分別提取原始圖像和失真圖像輪廓x，y，設置闊值得 到不同層次的二值圖，/ ;
[0112] 步驟1.2)，在每個層次上，將劃分成輪廓塊{xiM，{yiM，i = l，2r-n;
[0113] 步驟1.3)，對于每個輪廓塊對x/，y/，分別采樣得到樣本點集；
[0114] 步驟1.4)，對于兩個樣本點集中的點對，計算匹配代價；
[0115] 步驟1.5)，求解加權二部圖匹配問題，得到輪廓塊的相似度；
[0116] 步驟1.6)，加權所有輪廓塊計算，/的退化程度。
[0117] 所述步驟2)還包括：
[0118] 步驟2.1)，對所有圖像(原始圖像，失真圖像)提取局部描述子；
[0119] 步驟2.2)，對局部描述子應用聚類方法構建視覺字典；
[0120] 步驟2.3)，利用圖像分割方法將原始圖像劃分成不同區域{Ri}，并用該分割結果 分割失真圖像；
[0121] 步驟2.4)，對每個區域，計算該區域的權重和區域內容在視覺詞典下的低維表示， 并衡量原始圖像與失真圖像的相似度；
[0122] 步驟2.5)，對所有區域加權得到區域退化程度。
[0123] W下描述另一實施例。圖2為本發明另一實施例提供的一種圖像質量的客觀評價 方法的處理流程圖。圖3示出了本發明的衡量輪廓退化程度的具體流程。其中，圖3(a)為參 考圖像；圖3(b)為失真圖像；圖3(c，d)為輪廓檢測得到的輪廓圖；圖3(e，f)為設定闊值為 0.1得到的二值圖；圖3(g，h)為取圖3(e，f)中第一行第九列對應圖像塊;圖3(i，j)為采樣得 到的樣本點集，箭頭表示該點方向；圖3化)為輪廓匹配結果，連線表示兩點對應關系。W下 結合圖2-圖4具體描述本發明的實施例。圖4示出了本發明的衡量區域退化程度的具體流 程。其中，圖4(a)為參考圖像；圖（b)為分割結果，5號區域和11號區域被標注出來；圖（c，d) 為5號區域和11號區域的直方圖。橫軸表示視覺詞典中詞語的索引，縱軸表示詞語數量。
[0124] 如圖2所示，本發明的具體步驟如下：
[0125] 步驟1)提取原始圖像和失真圖像輪廓，并計算兩者相似性來衡量輪廓退化程度；
[0126] 步驟1包括：
[0127] 第一步：用輪廓檢測方法分別提取原始圖像和失真圖像輪廓x，y，設置闊值得到二 值圖X' y;
[012引第二步:將X'，y'劃分成輪廓塊1x1' }，{yi' }，i = 1，2，…n;
[0129] 第=步:對于每個輪廓塊對X/，y/，分別采樣得到樣本點集，計算每個樣本點的方 向eW及形狀上下文g;
[0130] 第四步:對于兩個樣本點集中的點對(i，j)，計算匹配代價Cij = aCs+(l-a)CA。
[0131] 其中，
[0132] 第五步:利用匈牙利算法求解加權二部圖匹配問題，得到輪廓塊的退化程度SC = 乙 i );
[0133] 第六步:加權所有輪廓塊計算輪廓退化程￡
[0134] 步驟2)對原始圖像和失真圖像進行分割。對于每個區域，分別衡量原始圖像和失 真圖像內容的相似性，加權所有區域衡量圖像的區域退化程度。
[0135] 步驟2包括：
[0136] 第一步:利用圖像分割方法，將原始圖像劃分成不同區域{Ri}，并用該分割結果分 割失真圖像；
[0137] 第二步:對每個區域:計算該區域所占面積比例Wi;
[0138] 第S步，分別對原始圖像與失真圖像提取dense SIFT,對提取的dense SIFT應用 K-means(硬聚類算法)方法構建視覺字典;并計算在視覺詞典下的直方圖表示hi, h2;
[0139] 第四步，衡量原始圖像與失真圖像的各個分股區域的退化程度
[0140] 第五步:對所有區域加權得到區域退化程度DSR= Eiwidi。
[0141] 步驟3)結合輪廓退化程度和區域退化程度衡量失真圖像質量。具體地，圖像質量Q = DSC丫 ? DSRi-丫。
[0142] W上所述，僅為本發明較佳的【具體實施方式】，但本發明的保護范圍并不局限于此， 任何熟悉本技術領域的技術人員在本發明掲露的技術范圍內，可輕易想到的變化或替換， 都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應該W權利要求的保護范圍 為準。
【主權項】
1. 一種圖像質量的客觀評價方法，其特征在于，包括： 步驟1，獲取失真圖像和所述失真圖像對應的原始圖像； 步驟2,提取所述原始圖像的輪廓和所述失真圖像的輪廓;計算所述失真圖像的輪廓和 所述原始圖像的輪廓之間的相似性;根據所述失真圖像的輪廓和所述原始圖像的輪廓之間 的相似性，得到所述失真圖像的輪廓退化程度DSC; 步驟3,對所述原始圖像和所述失真圖像分別進行分割，生成分割區域;對于每個所述 分割區域，分別衡量所述原始圖像和所述失真圖像之間的內容相似性;對每個所述分割區 域的內容相似性加權，得到所述失真圖像的區域退化程度DSR; 步驟4,根據所述失真圖像的輪廓退化程度DSC和所述失真圖像的區域退化程度DSR，得 到所述失真圖像的圖像質量。2. 根據權利要求1所述的方法，其特征在于，所述步驟4具體為： 所述失真圖像的圖像質量Q = DSC · DSR1' γ為第一調節系數，取值范圍為(〇，1)，調節所述失真圖像的輪廓退化程度與區域退化 程度之間的相對重要性。3. 根據權利要求1所述的方法，其特征在于，所述步驟2包括： 步驟2.1，利用輪廓檢測方法，分別提取所述原始圖像和所述失真圖像的輪廓；設置閾 值;根據所述閾值和所述原始圖像和所述失真圖像的輪廓，得到不同層次的所述原始圖像 和所述失真圖像的輪廓的二值圖； 步驟2.2,在每個層次上，將所述原始圖像和所述失真圖像的輪廓的二值圖劃分成所述 原始圖像和所述失真圖像的二值圖的輪廓塊； 步驟2.3,對于每個所述原始圖像和所述失真圖像的輪廓塊對，分別采樣得到所述原 始圖像和所述失真圖像的樣本點集； 步驟2.4,對于所述原始圖像和所述失真圖像的樣本點集中的點對，計算匹配代價； 步驟2.5,根據所述匹配代價，求解加權二部圖匹配問題，得到所述失真圖像的輪廓塊 的退化程度； 步驟2.6，加權所有輪廓塊的退化程度，得到所述失真圖像的輪廓退化程度。4. 根據權利要求3所述的方法，其特征在于，所述步驟2.4根據以下公式計算： 匹配代〃Cs為形狀項;Ca為局部外觀項;α為第二調節系數，取值范圍為(0，1)，用于調節局部外觀 項與形狀項的相對重要性；Θ為樣本點的方向，g為形狀上下文；所述失真圖像和所述原始圖像的樣本點集 中的點對序號,K1為形狀上下文直方圖桶的數量，Iu為形狀上下文直方圖桶的序號。5. 根據權利要求3所述的方法，其特征在于，所述步驟2.5根據以下公式計算： 所述失真圖像的輪廓塊的退化程G1,TiCi1)為點對的最小匹配代價;ii為樣本點序號。6. 根據權利要求3所述的方法，其特征在于，所述步驟2.6包括：i2為所述輪廓塊對的序號；I為指示函數，如果夂)2 > O取1;否則取0。7. 根據權利要求1所述的方法，其特征在于，所述步驟3包括： 步驟3.1，對圖片集中的所有圖像，提取局部描述子； 步驟3.2，對所述局部描述子應用聚類方法構建視覺字典； 步驟3.3,利用圖像分割方法，將所述原始圖像劃分成不同分割區域，生成分割結果；用 所述分割結果分割所述失真圖像； 步驟3.4,對于每個所述分割區域，計算所述原始圖像與所述失真圖像在所述視覺詞典 下的低維表示； 步驟3.5,根據所述低維表示，計算所述分割區域的失真圖像的區域退化程度； 步驟3.6，獲取各個所述分割區域的權重； 步驟3.7,根據所述各個所述分割區域的權重，對所有所述分割區域的失真圖像的區域 退化程度加權，得到所述失真圖像的區域退化程度。8. 根據權利要求7所述的方法，其特征在于，當所述低維表示為直方圖時，所述步驟3.5 具體為：(Kh^h2)為所述分割區域的失真圖像的區域退化程度； hi，匕為所述原始圖像和所述失真圖像在視覺詞典下的直方圖； K2為視覺詞典的大小，k2為直方圖桶的序號。9. 根據權利要求7所述的方法，其特征在于，所述步驟3.6具體為： 根據各個所述分割區域所占的面積比例，確定各個所述分割區域的權重;或者根據各 個所述分割區域的顯著度，確定各個所述分割區域的權重。10. 根據權利要求7所述的方法，其特征在于，所述步驟3.7具體為：^%為序號為i3的分割區域的權重;屯3為序號為i3的分割區域的失真圖像的區域退化 程度，i3為所述分割區域的序號。
【文檔編號】G06T7/00GK106023208SQ201610345192
【公開日】2016年10月12日
【申請日】2016年5月23日
【發明人】蔣婷婷, 黃晨, 姜明
【申請人】北京大學