-
公开(公告)号：CN111047618B
公开(公告)日：2023-01-03
申请号：CN201911352695.9
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度的无参考屏幕内容图像质量评估方法，包括以下步骤：步骤S1：将失真图像从RGB颜色空间转换到LMN颜色空间，并利用bicubic算法对L分量进行放大，利用Gabor滤波器的虚部提取失真图像的边缘特征；步骤S2：利用bicubic算法对失真图像的灰度图进行放大，并利用Scharr滤波器和局部二值模式提取失真图像的结构特征；步骤S3：利用局部归一化算法提取失真图像的亮度特征；步骤S4：将得到的三个特征作为训练数据，利用随机森林回归训练图像质量评估模型；步骤S5：根据步骤S1‑S3，获取待测图像的边缘特征、结构特征和亮度特征，并利用训练好的图像质量评估模型预测待测图像的质量分数。本发明能显著提高无参考屏幕内容图像质量评估性能。
-
公开(公告)号：CN111047618A
公开(公告)日：2020-04-21
申请号：CN201911352695.9
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度的无参考屏幕内容图像质量评估方法，包括以下步骤：步骤S1：将失真图像从RGB颜色空间转换到LMN颜色空间，并利用bicubic算法对L分量进行放大，利用Gabor滤波器的虚部提取失真图像的边缘特征；步骤S2：利用bicubic算法对失真图像的灰度图进行放大，并利用Scharr滤波器和局部二值模式提取失真图像的结构特征；步骤S3：利用局部归一化算法提取失真图像的亮度特征；步骤S4：将得到的三个特征作为训练数据，利用随机森林回归训练图像质量评估模型；步骤S5：根据步骤S1-S3，获取待测图像的边缘特征、结构特征和亮度特征，并利用训练好的图像质量评估模型预测待测图像的质量分数。本发明能显著提高无参考屏幕内容图像质量评估性能。
-
公开(公告)号：CN109978854B
公开(公告)日：2022-07-08
申请号：CN201910229783.3
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于边缘和结构特征的屏幕内容图像质量评估方法，包括以下步骤：步骤S1：将输入的图像从RGB颜色空间转换到LMN颜色空间，然后将Gabor滤波器的虚部作用在L分量上，提取图像的边缘特征；步骤S2：将输入的图像转换成灰度图，利用Scharr滤波器在灰度图上计算梯度图，然后在梯度图上使用局部二值模式（LBP）算子计算LBP图，再根据LBP图在梯度图上计算得到图像的结构特征；步骤S3：根据步骤S1和步骤S2中的两种特征，利用随机森林训练图像评估模型，利用训练好的模型预测所有测试图像的质量分数。本发明通过考虑人类视觉系统的特点，结合图像的边缘和结构特征来评估图像的质量，能显著提高无参照图像质量评估性能。
-
公开(公告)号：CN109978854A
公开(公告)日：2019-07-05
申请号：CN201910229783.3
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于边缘和结构特征的屏幕内容图像质量评估方法，包括以下步骤：步骤S1：将输入的图像从RGB颜色空间转换到LMN颜色空间，然后将Gabor滤波器的虚部作用在L分量上，提取图像的边缘特征；步骤S2：将输入的图像转换成灰度图，利用Scharr滤波器在灰度图上计算梯度图，然后在梯度图上使用局部二值模式（LBP）算子计算LBP图，再根据LBP图在梯度图上计算得到图像的结构特征；步骤S3：根据步骤S1和步骤S2中的两种特征，利用随机森林训练图像评估模型，利用训练好的模型预测所有测试图像的质量分数。本发明通过考虑人类视觉系统的特点，结合图像的边缘和结构特征来评估图像的质量，能显著提高无参照图像质量评估性能。
-
-
-
Search Results
4
records
(took 0.009 seconds)
