1.一种基于直线预测残差的无参考图像质量评价方法，其特征在于，包括：步骤一、输入彩色图像，随机划分为训练图像集和测试图像集，并转换为灰度图像I；

步骤二、将所述灰度图像I进行二维Log‑Gabor变换，获得Log‑Gabor滤波系数的幅度和相位；

步骤三、将所述Log‑Gabor滤波系数的幅度和相位组成幅度图像和相位图像，取出任一尺度和任一方向的幅度图像记为X，取出任一尺度和任一方向的相位图像记为Γ；

步骤四、计算所述幅度图像X的水平方向预测残差；

水平预测残差定义为：

EH(i,j)＝I(i,j)‑P(i,j)首先以(i,j)为中心，取出幅度图像X在(i,j)位置的水平邻域像素，记为X(k,j‑2)、X(k,j‑1)、X(k,j)、X(k,j+1)和X(k,j+2)，将其组合成水平邻域向量Hk，其中k＝i‑2,i‑1,i+

1,i+2，组合公式为

Hk＝[X(k,j‑2),X(k,j‑1),X(k,j),X(k,j+1),X(k,j+2)]其中，i为中心像素在幅度图像中的水平索引，j为中心像素在幅度图像中的垂直索引；

将得到的水平邻域向量Hk作为矩阵的第k行，组合成水平邻域矩阵H，组合公式为H＝[Hi‑2；Hi‑1；Hi+1；Hi+2]取出幅度图像X在(i,j)位置的垂直邻域像素，记为X(i‑2,j)、X(i‑1,j)、X(i+1,j)和X(i+2,j)，将其组合成垂直邻域向量Z，组合公式为T

Z＝[X(i‑2,j),X(i‑1,j),X(i+1,j),X(i+2,j)]计算(i,j)像素处的水平预测系数S，计算公式为T ‑1 T

S＝(HH) HZ

T T ‑1 T

其中，H为水平邻域矩阵H的转置操作，(HH) 为矩阵HH的求逆矩阵操作；

取出(i,j)像素位置的第i列的水平邻域像素，记为I(i,j‑2)、I(i,j‑1)、I(i,j+1)和I(i,j+2)，组成向量θ；组合公式为θ＝[I(i,j‑2),I(i,j‑1),I(i,j+1),I(i,j+2)]计算(i,j)像素位置的预测结果P(i,j)，计算公式为P(i,j)＝θ×S

计算(i,j)像素位置的水平预测残差EH(i,j)；

步骤五、计算所述幅度图像X的垂直方向预测残差；

垂直预测残差定义为：

EV(i,j)＝I(i,j)‑Q(i,j)首先以(i,j)为中心，取出幅度图像X(i,j)位置的垂直邻域像素，记为X(i‑2,k)、X(i‑

1,k)、X(i,k)、X(i+1,k)和X(i+2,k)，将其组合成水平邻域向量Vk，其中k＝j‑2,j‑1,j+1,j+

2，组合公式为

Vk＝[X(i‑2,k),X(i‑1,k),X(i,k),X(i+1,k),X(i+2,k)]将得到的水平邻域向量Vk组合成水平邻域矩阵V，组合公式为V＝[Vj‑2；Vj‑1；Vj+1；Vj+2]取出幅度图像M在(i,j)位置的水平邻域像素，记为X(i‑2,j)、X(i‑1,j)、X(i+1,j)和X(i+2,j)，将其组合成垂直邻域向量Y，组合公式为T

Y＝[X(i‑2,j),X(i‑1,j),X(i+1,j),X(i+2,j)]计算(i,j)像素处的垂直预测系数T，计算公式为T ‑1 T

T＝(VV) VY

T

其中，V为水平邻域矩阵V的转置操作；

取出(i,j)像素位置的第i列的水平邻域像素，记为I(i,j‑2)、I(i,j‑1)、I(i,j+1)和I(i,j+2)，组成向量B；组合公式为B＝[I(i,j‑2),I(i,j‑1),I(i,j+1),I(i,j+2)]计算(i,j)像素位置的预测结果Q(i,j)，计算公式为Q(i,j)＝B×T

计算(i,j)像素位置的垂直预测残差；步骤六、计算所述幅度图像X的对角方向预测残差；

对角预测残差定义为：

ED(i,j)＝I(i,j)‑G(i,j)首先以(i,j)为中心，取出系数幅度图像X(i,j)位置的对角邻域像素，记为X(i‑2+k,j‑

2)、X(i‑1+k,j‑1)、X(i+k,j)、X(i+1+k,j+1)和X(i+2+k,j+2)，将其组合成对角邻域向量Dk，其中k＝‑2,‑1,1,2，组合公式为Dk＝[X(i‑2+k,j‑2),X(i‑1+k,j‑1),X(i+k,j),X(i+1+k,j+1),X(i+2+k,j+2)]将得到的对角邻域向量Dk组合成对角邻域矩阵D，组合公式为D＝[D‑2；D‑1；D1；D2]

取出幅度图像M在(i,j)位置的斜对角邻域像素，记为X(i‑2,j+2)、X(i‑1,j+1)、X(i+1,j‑1)和X(i+2,j‑2)，将其组合成斜对角邻域向量U，组合公式为U＝[X(i‑2,j+2),X(i‑1,j+1),X(i+1,j‑1),X(i+2,j‑2)]计算(i,j)像素处的对角预测系数R，计算公式为T ‑1 T

R＝(DD) DU

T

其中，D为对角邻域矩阵D的转置操作；

取出(i,j)像素位置的第i列的对角邻域像素，记为I(i‑2,j‑2)、I(i‑1,j‑1)、I(i+1,j+

1)和I(i+2,j+2)，组成向量C；组合公式为C＝[I(i,j‑2),I(i,j‑1),I(i,j+1),I(i,j+2)]计算(i,j)像素位置的预测结果G(i,j)，计算公式为G(i,j)＝C×R

计算(i,j)像素位置的对角预测残差；

步骤七、计算所述幅度图像X的斜对角方向预测残差；

斜对角预测残差定义为：

EL(i,j)＝I(i,j)‑L(i,j)首先以(i,j)为中心，取出幅度图像X(i,j)位置的斜对角邻域像素，记为X(i+2+k,j‑

2)、X(i+1+k,j‑1)、X(i+k,j)、X(i‑1+k,j+1)和X(i‑2+k,j+2)，将其组合成斜对角邻域向量Fk，其中k＝‑2,‑1,1,2，组合公式为Fk＝[X(i+2+k,j‑2),X(i+1+k,j‑1),X(i+k,j),X(i‑1+k,j+1),X(i‑2+k,j+2)]将得到的斜对角邻域向量Fk组合成斜对角邻域矩阵F，组合公式为F＝[F‑2；F‑1；F1；F2]

取出幅度图像M在(i,j)位置的对角邻域像素，记为X(i+2,j+2)、X(i+1,j+1)、X(i‑1,j‑

1)和X(i‑2,j‑2)，将其组合成对角邻域向量W，组合公式为W＝[X(i+2,j+2),X(i+1,j+1),X(i‑1,j‑1),X(i‑2,j‑2)]计算(i,j)像素处的斜对角预测系数Z，计算公式为T ‑1 T

Z＝(FF) FW

T

其中，F为斜对角邻域矩阵F的转置操作；

取出(i,j)像素位置的第i列的斜对角邻域像素，记为I(i+2,j‑2)、I(i+1,j‑1)、I(i+1,j‑1)和I(i+2,j‑2)，组成向量E；组合公式为E＝[I(i+2,j‑2),I(i+1,j‑1),I(i‑1,j+1),I(i‑2,j+2)]计算(i,j)像素位置的预测结果L(i,j)，计算公式为L(i,j)＝E×Z

计算(i,j)像素位置的斜对角预测残差；

步骤八、依据计算结果得到特征向量Ψ1；

步骤九：对所有尺度和所有方向的幅度图像X分别计算水平方向预测残差、垂直方向预测残差、对角方向预测残差和斜对角方向预测残差，得到特征向量Ψ1～ΨMAX，其中MAX为特征向量Ψ的最大索引；

步骤十：对所有尺度和所有方向的相位图像Γ分别计算水平方向预测残差、垂直方向预测残差、对角方向预测残差和斜对角方向预测残差，得到特征向量Φ1～ΦMAX，其中MAX为特征向量Φ的最大索引；

步骤十一、将特征向量Ψ1～ΨMAX和Φ1～ΦMAX组合成总的特征向量，合并主观DMOS分值送入支持向量回归机进行训练，得到训练好的支持向量回归机；

步骤十二、将测试图像根据步骤三到步骤十一的方法提取不同尺度和方向下的幅度残差特征和相位残差特征组合成特征向量，送入训练好的支持向量回归机进行预测，得到客观图像质量评价分值。

2.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，

60％～90％的彩色图像作为训练图像集，10％～40％的彩色图像作为测试图像集。

3.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，进行二维Log‑Gabor变换包括：构建S个尺度和O个方向的Log‑Gabor滤波器，计算公式为其中，ω为角频率变量，ω0为滤波器中心频率，σω为滤波器方差，exp(·)为求指数操作，ln(·)为求对数操作，G(ω)为Log‑Gabor滤波器；

采用构建的Log‑Gabor滤波器G(ω)对灰度图像I进行滤波，分别得到Log‑Gabor滤波系数，记为GY(s,o)，其中GY(s,o)为复数，实部记为R_GY(s,o)，虚部记为I_GY(s,o)，s为滤波系数的尺度索引，o为滤波系数的方向索引；

计算得到Log‑Gabor滤波系数的幅度和相位，计算公式为其中，M(s,o)为第s尺度和第o方向的滤波器系数幅度，A(s,o)为第s尺度和第o方向的滤波器系数相位。

4.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，步骤四中计算所述幅度图像X的水平方向预测残差还包括：将水平预测残差EH(i,j)组成水平预测残差矩阵EH，计算得到的水平预测残差的均值、标准差、偏度和峰度，计算公式为其中，μEH为水平预测残差的均值，σEH为水平预测残差的标准差，βEH为水平预测残差的偏度，γEH为水平预测残差的峰度；WEH为水平预测残差矩阵EH(i,j)的宽度，HEH为水平预测残差矩阵EH(i,j)的高度，×为相乘操作。

5.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，步骤五中计算所述幅度图像X的垂直方向预测残差还包括：计算所述垂直预测残差的均值、标准差、偏度和峰度，计算公式为其中，μEV为垂直预测残差的均值，σEV为垂直预测残差的标准差，βEV为垂直预测残差的偏度，γEV为垂直预测残差的峰度；WEV为垂直预测残差矩阵EV(i,j)的宽度，HEV为垂直预测残差矩阵EV(i,j)的高度，×为相乘操作。

6.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，步骤六中计算所述幅度图像X的对角方向预测残差还包括：计算所述对角预测残差的均值、标准差、偏度和峰度，计算公式为其中，μED为对角预测残差的均值，σED为对角预测残差的标准差，βED为对角预测残差的偏度，γED为对角预测残差的峰度；WED为对角预测残差矩阵ED(i,j)的宽度，HED为对角预测残差矩阵ED(i,j)的高度，×为相乘操作。

7.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，计算所述幅度图像X的斜对角方向预测残差还包括：计算所述斜对角预测残差的均值、标准差、偏度和峰度，计算公式为其中，μEL为斜对角预测残差的均值，σEL为斜对角预测残差的标准差，βEL为斜对角预测残差的偏度，γEL为斜对角预测残差的峰度；WEL为斜对角预测残差矩阵EL(i,j)的宽度，HEL为斜对角预测残差矩阵EL(i,j)的高度，×为相乘操作。

8.根据权利要求1所述的基于直线预测残差的无参考图像质量评价方法，其特征在于，特征向量Ψ1的组合公式为Ψ1＝[μEH,σEH,βEH,γEH,μEV,σEV,βEV,γEV,μED,σED,βED,γED,μEL,σEL,βEL,γEL]。