技术摘要：
本发明提供了一种基于联合多尺度图片特征的图片客观质量评价方法、系统，包括：图片处理步骤：使用高斯金字塔与拉普拉斯金字塔将原图片处理成不同尺度的图片组，分别记为y0(n)与y1(n)，从y1(n)提取获得边结构特征；边显著特征提取步骤：使用亮度掩膜与对比度掩膜，从高  全部
背景技术：
随着智能终端，如智能手机、平板与笔记本电脑的广泛应用，桌面内容图片已经代 替自然图片成为人们日常生活中最常见、消费量最高的图片。桌面内容图片是计算机生成 的，由图形、文本与自然图片组合而成的一种图片，大量使用在桌面游戏、桌面协作与远程 教育等应用下。针对这些应用，图片质量显得尤为重要。但由于桌面内容图片与自然图片具 有不同的特征，传统的为自然图片设计的质量评价方法并不能很好地反映出桌面内容图片 的失真情况：相比于自然图片颜色丰富、边缘平滑的特点，桌面内容图片往往相对颜色单 一、边缘锐利并充斥着大量重复的图形；且自然图片的失真一般是由于物理传感器能力有 限引起，但桌面内容图片的失真一般都是由计算机自身原因产生的。因此迫切需要针对内 面内容图片准确、高效的客观质量评价方法。 专利文献CN108335289A(申请号：201810049789.8)公开了一种全参考融合的图像 客观质量评价方法，包括：选择图片数据库作为模型训练的输入，将图片按照失真类型分 组，每种失真类型下有不同程度失真的图片，分别获得每组图片的文件名及标签；特征提 取，选用多种全参考度量算法，对每种失真类型中的图片分别打分，每组图片经过一种全参 考度量算法运算会得到一个特征向量，将得到特征向量组成特征矩阵；数据预处理，将失真 图像标签和失真类型对应的特征向量分数分别规范化到(1,100)和(0,1)之间，并进行转置 处理以满足SVM训练需要；特征训练，得到质量评价模型。
技术实现要素：
针对现有技术中的缺陷，本发明的目的是提供一种基于联合多尺度图片特征的图 片客观质量评价方法、系统。 根据本发明提供的一种基于联合多尺度图片特征的图片客观质量评价方法，包 括： 图片处理步骤：使用高斯金字塔与拉普拉斯金字塔将原图片处理成不同尺度的图 片组，分别记为y (n) (n) (n)0 与y1 ，从y1 提取获得边结构特征； 边显著特征提取步骤：使用亮度掩膜与对比度掩膜，从高斯金字塔处理后的图片 组y (n)0 与拉普拉斯金字塔处理后的图片组y (n)1 中提取获得边显著度特征； 特征相似度计算步骤：根据获得的边结构特征和边显著度特征，计算获得边结构 相似度和边显著度相似度； 特征组合步骤：根据获得的边结构相似度和边显著度相似度，计算获得最终局部 质量图； 特征池化步骤：根据获得的最终局部质量图，计算获得最终客观评价分数。 8 CN 111598826 A 说　明　书 2/15 页 优选地，所述图片处理步骤： 使用高斯金字塔与拉普拉斯金字塔将原图片处理成不同尺度的图片组，分别记为 y (n)与y (n)0 1 。 优选地，所述边显著特征提取步骤： 使用亮度掩膜与对比度掩膜，从高斯金字塔处理后的图片组y (n)0 与拉普拉斯金字 塔处理后的图片组y (n)1 中提取获得边显著度特征，计算公式如下： 其中， C (n)LM 表示亮度掩膜计算结果，是基于高斯金字塔与拉普拉斯金字塔处理后的图片 组的图像特征； 表示y函数； y (n)1 表示拉普拉斯金字塔处理后的图片组； y (n)0 表示高斯金字塔处理后的图片组； n表示图层的层数； 图层y (1)1 表现出的图片特征为边结构特征； 表示将y (n 1)0 带入y函数的计算结果； γ1表示亮度对比度阈值； ||表示取绝对值操作； a1表示保证等式稳定性的常数； C (n)LCM 表示对比度掩膜计算结果，是基于C (n)LM 处理后的图片组的图像特征； n表示图层的层数； C (1)LCM 表示n＝1时表现出的图片特征为边显著度特征； a2表示保证等式稳定性的常数； 表示将C (n 1)LM 带入y函数的计算结果； γ2表示对比度可检测阈值； G(x,y；σ)表示高斯核函数； *表示卷积； ↑2表示上采样。 优选地，所述特征相似度计算步骤： 根据获得的边结构特征和边显著度特征，计算获得边结构相似度，计算公式如下： 9 CN 111598826 A 说　明　书 3/15 页 其中， S1(x,y)表示点(x,y)边结构相似度； 下标r与d分别表示该特征取自参考图片或失真图片； y (1)1r (x,y)表示参考图片在点(x,y)处n＝1时的边结构特征； y (2)1d (x,y)表示失真图片在点(x,y)处n＝2时的边结构特征； T1表示是一个为了保证等式稳定性的非零常数； 根据获得的边结构特征和边显著度特征，计算获得边显著度相似度，计算公式如 下： S α2(x,y)＝MS1(x,y) ·MS2(x,y) 其中， S2(x,y)表示点(x,y)边显著度相似度； α表示S2(x,y)中M  S1(x,y)所占权重； MS1(x,y)表示通过相似度计算函数计算后的边结构相似度； MS2(x,y)表示通过相似度计算函数计算后的边显著相似度； w1(x,y)表示权重因子； G (1)LMr (x,y)表示参考图片在点(x,y)处n＝1时的LM掩膜特征； G (1)LMd (x,y)表示参考图片在点(x,y)处n＝1时的LM掩膜特征； T2表示为了保证等式稳定性的非零常数； ∑(x,y)w1(x,y)表示图片上所有的点处w1(x,y)的累加； C (1)LCMr (x,y)表示参考图片在点(x,y)处n＝1时的LCM掩膜特征； C (1)LCMd (x,y)表示失真图片在点(x,y)处n＝1时的LCM掩膜特征； C (2)LCMd (x,y)表示表示失真图片在点(x,y)处n＝2时的LCM掩膜特征； T3表示一个为了保证等式稳定性的非零常数。 优选地，所述特征组合步骤: 根据获得的边结构相似度和边显著度相似度，计算获得局部质量相似度，计算公 式如下： S ξ ψQM(x,y)＝(S1(x,y)) ·(S2(x,y)) ＝(S1(x,y))ξ·MS μ ψ1(x,y) ·MS2(x,y) μ＝ψ·α 其中， SQM(x,y)表示点(x,y)处局部质量相似度； 10 CN 111598826 A 说　明　书 4/15 页 ξ表示S1(x,y)在局部质量SQM(x,y)所占权重； ψ表示M  S1(x,y)在局部质量SQM(x,y)所占权重； μ表示M  S2(x,y)在局部质量SQM(x,y)所占权重； α表示S2(x,y)中M  S1(x,y)所占权重。 优选地,所述特征池化步骤： 根据获得的局部质量图相似度，计算获得最终客观评价分数，计算公式如下： w2(x,y)＝max(y (2)1r (x,y) ,y (2)1d (x,y)) 其中， S表示最终客观评价分数； w2(x,y)表示权重参数。 y (2)1r (x,y)表示参考图片在点(x,y)处n＝2时的的边结构特征。 根据本发明提供的一种基于联合多尺度图片特征的桌面内容图片客观质量评价 系统，包括： 图片处理模块：使用高斯金字塔与拉普拉斯金字塔将原图片处理成不同尺度的图 片组，分别记为y (n)0 与y (n)1 ，从y (n)1 提取获得边结构特征； 边显著特征提取模块：使用亮度掩膜与对比度掩膜，从高斯金字塔处理后的图片 组y (n)与拉普拉斯金字塔处理后的图片组y (n)0 1 中提取获得边显著度特征； 特征相似度计算模块：根据获得的边结构特征和边显著度特征，计算获得边结构 相似度和边显著度相似度； 特征组合模块：根据获得的边结构相似度和边显著度相似度，计算获得最终局部 质量图； 特征池化模块：根据获得的最终局部质量图，计算获得最终客观评价分数。 优选地，所述图片处理模块： 使用高斯金字塔与拉普拉斯金字塔将原图片处理成不同尺度的图片组，分别记为 y (n)0 与y (n)1 ； 所述边显著特征提取模块： 使用亮度掩膜与对比度掩膜，从高斯金字塔处理后的图片组y (n)0 与拉普拉斯金字 塔处理后的图片组y (n)1 中提取获得边显著度特征，计算公式如下： 其中， C (n)LM 表示亮度掩膜计算结果，是基于高斯金字塔与拉普拉斯金字塔处理后的图片 11 CN 111598826 A 说　明　书 5/15 页 组的图像特征； 表示y函数； y (n)1 表示拉普拉斯金字塔处理后的图片组； y (n)0 表示高斯金字塔处理后的图片组； n表示图层的层数； 图层y (1)1 表现出的图片特征为边结构特征； 表示将y (n 1)0 带入y函数的计算结果； γ1表示亮度对比度阈值； ||表示取绝对值操作； a1表示保证等式稳定性的常数； C (n)表示对比度掩膜计算结果，是基于C (n)LCM LM 处理后的图片组的图像特征； n表示图层的层数； C (1)LCM 表示n＝1时表现出的图片特征为边显著度特征； a2表示保证等式稳定性的常数； 表示将C (n 1)LM 带入y函数的计算结果； γ2表示对比度可检测阈值； G(x,y；σ)表示高斯核函数； *表示卷积； ↑2表示上采样； 所述特征相似度计算模块： 根据获得的边结构特征和边显著度特征，计算获得边结构相似度，计算公式如下： 其中， S1(x,y)表示点(x,y)边结构相似度； 下标r与d分别表示该特征取自参考图片或失真图片； y (1)1r (x,y)表示参考图片在点(x,y)处n＝1时的边结构特征； y (2)1d (x,y)表示失真图片在点(x,y)处n＝2时的边结构特征； T1表示是一个为了保证等式稳定性的非零常数； 根据获得的边结构特征和边显著度特征，计算获得边显著度相似度，计算公式如 下： S α2(x,y)＝MS1(x,y) ·MS2(x,y) 12 CN 111598826 A 说　明　书 6/15 页 其中， S2(x,y)表示点(x,y)边显著度相似度； α表示S2(x,y)中M  S1(x,y)所占权重； MS1(x,y)表示通过相似度计算函数计算后的边结构相似度； MS2(x,y)表示通过相似度计算函数计算后的边显著相似度； w1(x,y)表示权重因子； C (1)LMr (x,y)表示参考图片在点(x,y)处n＝1时的LM掩膜特征； C (1)LMd (x,y)表示参考图片在点(x,y)处n＝1时的LM掩膜特征； T2表示为了保证等式稳定性的非零常数； ∑(x,y)w1(x,y)表示图片上所有的点处w1(x,y)的累加； C (1)LCMr (x,y)表示参考图片在点(x,y)处n＝1时的LCM掩膜特征； C (1)LCMd (x,y)表示失真图片在点(x,y)处n＝1时的LCM掩膜特征； C (2)LCMd (x,y)表示表示失真图片在点(x,y)处n＝2时的LCM掩膜特征； T3表示一个为了保证等式稳定性的非零常数。 优选地,所述特征组合模块: 根据获得的边结构相似度和边显著度相似度，计算获得局部质量相似度，计算公 式如下： S (x,y)＝(S (x,y))ξQM 1 ·(S2(x,y))ψ ＝(S ξ1(x,y)) ·MS1(x,y)μ·MS2(x,y)ψ μ＝ψ·α 其中， SQM(x,y)表示点(x,y)处局部质量相似度； ξ表示S1(x,y)在局部质量SQM(x,y)所占权重； ψ表示M  S1(x,y)在局部质量SQM(x,y)所占权重； μ表示M  S2(x,y)在局部质量SQM(x,y)所占权重； α表示S2(x,y)中M  S1(x,y)所占权重。 所述特征池化模块： 根据获得的局部质量图相似度，计算获得最终客观评价分数，计算公式如下： w2(x,y)＝max(y (2)1r (x,y) ,y (2)1d (x,y)) 其中， S表示最终客观评价分数； w2(x,y)表示权重参数。 y (2)1r (x,y)表示参考图片在点(x,y)处n＝2时的的边结构特征。 根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程 序被处理器执行时实现上述中任一项所述的基于联合多尺度图片特征的图片客观质量评 价方法的步骤。 与现有技术相比，本发明具有如下的有益效果： 13 CN 111598826 A 说　明　书 7/15 页 本发明对桌面图片质量评价准确度更高，通过现有数据库验证发现，综合性能相 比现有技术更加优越，并且对桌面图片的失真类型：高斯模糊、运动模糊与JPEG2000压缩失 真具有突出优越性能。 附图说明 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、 目的和优点将会变得更明显： 图1为本发明提供的处理流程示意图。