一种图像质量评价方法和装置制造方法及图纸

本申请公开了一种图像质量评价方法，用于提高图像的质量评价效率。该方法包括：确定待评价图像；确定所述待评价图像的指定评价指标的值，所述指定评价指标，是与图像质量相关联的图像属性；根据所述指定评价指标的值以及所述指定评价指标的权重，确定所述待评价图像的质量预测结果，其中，所述指定评价指标的权重，预先根据样本图像的质量评价结果、以及所述样本图像的指定评价指标的值计算得到。本申请还公开了一种图像质量评价装置。

【技术实现步骤摘要】

本申请涉及图像处理
，尤其涉及一种图像质量评价方法和装置。
技术介绍
随着图像技术的发展，用户获得图像视觉信息的途径不断增多，用户对于图像质量的要求也不断提高。为了满足用户对日益增长的图像质量的需求，有必要对图像质量进行评价，以便根据评价结果，对输出较差质量图像的设备(如图像采集设备或图像压缩设备等)进行改进，从而从根本上提升所述设备输出的图像的质量。可见，对于图像质量进行评价具有广泛的现实意义。现有的图像质量评价方法，包括用户直接观察图像，并根据图像的质量给出评价。例如，用户通过观察图像的清晰度给出诸如“非常好”、“好”、“一般”、“差”、“非常差”等评价结果；又例如，用户根据图像的质量尺度对图像进行打分，其中，图像的质量尺度可以诸如“非常严重的妨碍观看”、“对观看有妨碍”、“能看出图像质量变坏但不妨碍观看”等。这种图像主观质量评价方法虽然能实现对图像质量进行评价，但通常评价效率较低，不能用于实时性的图像评价处理。例如，当需要对实时接收的视频中的每一帧图像进行质量评价时，采用上述的人工的用户主观的评价方法显然很难满足需求。
技术实现思路
本申请实施例提供一种图像质量评价方法和装置，用于提高图像的质量评价效率。为实现上述目的，本申请实施例提供一种图像质量评价方法，包括：确定待评价图像；确定所述待评价图像的指定评价指标的值，所述指定评价指标，是与图像质量相关联的图像属性；根据所述指定评价指标的值以及所述指定评价指标的权重，确定所述待评价图像的质量预测结果，其中，所述指定评价指标的权重，预先根据样本图像的质量评价结果、以及所述样本图像的指定评价指标的值计算得到。优选地，所述样本图像的质量评价结果，根据用户对样本图像做出的评价结果求得。优选地，所述指定评价指标的权重，采用下述方式计算得到：确定所述样本图像的所述指定评价指标的值；在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，计算所述指定评价指标的权重；所述预定约束条件，包括：使得所述样本图像的质量预测结果趋近于或等于所述样本图像的质量评价结果；所述评价函数，是以图像的所述指定评价指标为自变量、以图像的质量预测结果为因变量的函数。优选地，所述指定评价指标，包括下述至少一种：边缘强度、清晰度或信息熵。优选地，当所述指定评价指标包括边缘强度、清晰度和信息熵时，所述评价函数为：Ppre(i)＝αE(i)+βQ(i)+λH(i)其中，Ppre(i)为图像的质量预测结果，E(i)为图像的边缘强度，Q(i)为图像的清晰度，H(i)为图像的信息熵，α为图像的边缘强度的权重，β为图像的清晰度的权重，λ为图像的信息熵的权重。优选地，在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，计算所述指定评价指标的权重，包括：在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，按照遗传算法，计算所述指定评价指标的权重。优选地，在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，按照遗传算法，计算所述指定评价指标的权重，具体包括：确定预定数量的参数组，所述参数组包括有参数值，所述参数值与所述指定评价指标相对应；根据所述评价函数、以及所述样本图像的质量评价结果，确定所述遗传算法的适应度函数，所述适应度函数反映利用所述参数组的参数值、以及所述样本图像的所述指定评价指标的值代入到所述评价函数中，计算到的样本图像的质量预测结果与样本图像的质量评价结果的趋近程度；将所述参数组中的参数值、所述样本图像的所述指定评价指标的值，以及所述样本图像的质量评价结果代入到所述适应度函数中，计算所述适应度函数的值，并根据计算出的所述适应度函数的值，调整所述预定数量的参数组内的参数值，得到满足预设条件的参数组，将满足预设条件的参数组内的参数值确定为所述指定评价指标的权重。优选地，所述方法还包括：利用确定出的待评价图像的质量预测结果，修正所述指定评价指标的权重。为实现上述目的，本申请实施例还提供一种图像质量评价装置，包括：图像确定单元、评价指标确定单元、预测结果确定单元和权重确定单元，其中，所述图像确定单元，用于确定待评价图像；所述评价指标确定单元，用于确定所述待评价图像的指定评价指标的值，所述指定评价指标，是与图像质量相关联的图像属性；所述预测结果确定单元，用于根据所述指定评价指标的值以及所述指定评价指标的权重，确定所述待评价图像的质量预测结果；所述权重确定单元，用于预先根据样本图像的质量评价结果，以及所述样本图像的指定评价指标的值计算所述指定评价指标的权重。优选地，所述权重确定单元具体包括指定评价指标值确定模块和计算模块，其中，所述指定评价指标值确定模块，用于确定所述样本图像的所述指定评价指标的值；所述计算模块，用于在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，计算所述指定评价指标的权重；所述预定约束条件，包括：使得所述样本图像的质量预测结果趋近于或等于所述样本图像的质量评价结果；所述评价函数，是以图像的所述指定评价指标为自变量、以图像的质量预测结果为因变量的函数。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：该方法可以通过计算设备快速地计算出待评价图像的质量预测结果，相对于人工的图像质量的评价方法，提高了图像质量的评价效率。另外，该方法还能够避免人工对图像质量的评价的主观性，得到的图像的质量预测结果能够更加真实地反映图像质量。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的图像质量评价方法的实现流程示意图；图2为本申请实施例提供的指定评价指标权重的确定方法的实现流程示意图；图3为本申请实施例中的编码组示意图；图4为本申请实施例提供的图像质量评价装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。如前所述，为了满足用户对日益增长的图像质量的需求，通常需要对图像质量进行评价，而现有技术中依靠人工对图像的质量评价效率较低。为解决这一技术问题，本申请实施例提供一种图像质量评价方法，用于提高图像的质量评价效率。本方法的执行主体，可以是某种实体设备，也可以是某种虚拟设备。在一种实施方式中，本方法的执行主体可以是客户端，也可以是服务器。此外，本方法各步骤的执行主体可以是同一设备，也可以是不同设备。具体地，该方法的具体实现流程如图1所示，包括以下几个步骤：步骤S11：确定待评价图像；该步骤中的待评价图像，可以是由其他终端实时发送过来的图像，例如接收监控系统实时拍摄的每一帧图像，将接收到的每一帧图像确定为待评价图像；当然，该本文档来自技高网...

【技术保护点】
一种图像质量评价方法，其特征在于，包括：确定待评价图像；确定所述待评价图像的指定评价指标的值，所述指定评价指标，是与图像质量相关联的图像属性；根据所述指定评价指标的值以及所述指定评价指标的权重，确定所述待评价图像的质量预测结果，其中，所述指定评价指标的权重，预先根据样本图像的质量评价结果、以及所述样本图像的指定评价指标的值计算得到。

【技术特征摘要】
1.一种图像质量评价方法，其特征在于，包括：确定待评价图像；确定所述待评价图像的指定评价指标的值，所述指定评价指标，是与图像质量相关联的图像属性；根据所述指定评价指标的值以及所述指定评价指标的权重，确定所述待评价图像的质量预测结果，其中，所述指定评价指标的权重，预先根据样本图像的质量评价结果、以及所述样本图像的指定评价指标的值计算得到。2.根据权利要求1所述的方法，其特征在于，所述样本图像的质量评价结果，根据用户对样本图像做出的评价结果求得。3.根据权利要求1所述的方法，其特征在于，所述指定评价指标的权重，采用下述方式计算得到：确定所述样本图像的所述指定评价指标的值；在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，计算所述指定评价指标的权重；所述预定约束条件，包括：使得所述样本图像的质量预测结果趋近于或等于所述样本图像的质量评价结果；所述评价函数，是以图像的所述指定评价指标为自变量、以图像的质量预测结果为因变量的函数。4.根据权利要求3所述的方法，其特征在于，所述指定评价指标，包括下述至少一种：边缘强度、清晰度或信息熵。5.根据权利要求4所述的方法，其特征在于，当所述指定评价指标包括边缘强度、清晰度和信息熵时，所述评价函数为：Ppre(i)＝αE(i)+βQ(i)+λH(i)其中，Ppre(i)为图像的质量预测结果，E(i)为图像的边缘强度，Q(i)为图像的清晰度，H(i)为图像的信息熵，α为图像的边缘强度的权重，β为图像的清晰度的权重，λ为图像的信息熵的权重。6.根据权利要求3所述的方法，其特征在于，在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，计算所述指定评价指标的权重，包括：在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值，按照遗传算法，计算所述指定评价指标的权重。7.根据权利要求6所述的方法，其特征在于，在预定约束条件的约束下，根据评价函数、所述样本图像的质量评价结果，以及所述样本图像的所述指定评价指标的值...

【专利技术属性】
技术研发人员：杜康华，王崇，任文越，
申请(专利权)人：微梦创科网络科技中国有限公司，
类型：发明
国别省市：北京;11