在德克萨斯大学图像质量评价(Natural image quality evaluator, NIQE) 算法中, 无需利用人眼评分的失真图像进行训练在计算其局部MSCN 归一化图像后, 根据局部活性选择部分图像块作为训练数据, 以广义高斯模型拟合得到模型参数作为特征, 采用多变量高斯模型描述这些特征, 评价过程中利用待评价图像特征模型参数与预先建立的模型参数之间的距离来确定图像质量
NIQE质评价模型
NIQE质量评价模型不需要原始图像的主现评价分数,其在原始图像库中提取图像特征,再利用多元高斯( multivariate Gaussian. MYG)模型进行建模
图像像素归一化
通过分离力一化方法计算一幅图像的归一化亮度。假设亮度图像为I(i.j)则其分离归一化计算公式如下:
NIQE质量评价模型不需要原始图像的主现评价分数,其在原始图像库中提取图像特征,再利用多元高斯( multivariate Gaussian. MYG)模型进行建模
图像像素归一化
通过分离力一化方法计算一幅图像的归一化亮度。假设亮度图像为I(i.j)则其分离归一化计算公式如下:
I(i.j)=I(i.j)-u(i.j)/ o(
i.j)+C
![](https://i-blog.csdnimg.cn/blog_migrate/9b079c23650e8cc5516179e1900a5506.png)
以上各式中:
i和j为空域系数,且iel,2,**,M. jel,2,"",N,其中M和N分别为图像的高度和宽度:
C为常数;
w为圆形对称的高斯权重函数,且
w={w.|k=-3,2..,3,1=3-,...3}.
i和j为空域系数,且iel,2,**,M. jel,2,"",N,其中M和N分别为图像的高度和宽度:
C为常数;
w为圆形对称的高斯权重函数,且
w={w.|k=-3,2..,3,1=3-,...3}.
显著图像块的特征提取
1 )将图像分为Px P尺寸的图像块,计算图像块b局部的平均方差161.
1 )将图像分为Px P尺寸的图像块,计算图像块b局部的平均方差161.
![](https://i-blog.csdnimg.cn/blog_migrate/882b01aae2644002d0d83dd7f81e0bb6.png)
式中o为局部图像块的平均方差。
选取o>T的图像块作为特征显著图像块,T取最大局部方差的0.6~0.9倍。
2 )对特征显著图像块的归一化系数利用广义高斯分布模型( generalized Caussian distribution, GGD )进行拟合,采用快速匹配法"估计归一化后的广义高斯分布参数(a, o' )
3)对4个相邻系数乘积用非对称广义高斯分布模型asymmetric gencralized Gaussian distribution,AGGD)?进行拟合,然后采用快速匹现达得到16个相邻系数参数在两个尺度下提取图像统计特征,共有(2+16)X 2=36个特征
选取o>T的图像块作为特征显著图像块,T取最大局部方差的0.6~0.9倍。
2 )对特征显著图像块的归一化系数利用广义高斯分布模型( generalized Caussian distribution, GGD )进行拟合,采用快速匹配法"估计归一化后的广义高斯分布参数(a, o' )
3)对4个相邻系数乘积用非对称广义高斯分布模型asymmetric gencralized Gaussian distribution,AGGD)?进行拟合,然后采用快速匹现达得到16个相邻系数参数在两个尺度下提取图像统计特征,共有(2+16)X 2=36个特征
图像质量计算
首先,将提取的36个特征采用拟合MVG模型计
算参数v和∑,其中,为均值,∑为方差矩阵。MVG模
型的公式如下:
式中: (x,x...x是提取的图像特征,v和工可利
用最大似然估计法得到。
其次,
提取失真图像统计特征,进行MVG模型
拟合得到(v',∑'),通过计算失真图像与自然图像拟
合参数之间的距离来衡量图像质量,具体的计算公
式如下:
式中:v1 v2' ∑1∑2分别为自然图像和失真图像的MVG
模型均值和方差矩阵,这些参数的值越大,表明图
像的质量越差。