一种无参考质量模糊图像预测方法、终端及存储介质技术

本发明专利技术公开了一种无参考质量模糊图像预测方法，所述方法包括：将待预测图像转化为灰度图像；以及，获取参考图像的高斯模糊失真图像的第一特征向量和第二特征向量，其中，第一特征向量为参考图像的纹理特征构成的特征向量，第二特征向量为参考图像经低通滤波后的纹理特征构成的特征向量；提取待预测图像的结构特征，并计算得到待预测图像与参考图像之间的结构相似度，以及第一特征向量和第二特征向量的纹理相似度；根据预设神经网络预测模型，以结构相似度和纹理相似度为输入样本，将得到的输出结果作为待预测图像的预测图像。本发明专利技术还公开了一种终端及计算机可读介质。本发明专利技术实施例，能够对残缺不全的待预测图片进行预测。

【技术实现步骤摘要】
一种无参考质量模糊图像预测方法、终端及存储介质
本专利技术涉及图像处理
，尤其涉及一种无参考质量模糊图像预测方法、终端及存储介质。
技术介绍
目前指纹识别已经日新月异，同时指纹识别的设备和应用也越来越多，假设有位残疾用户，因为某次事故失去了某个手指受伤后失去某个指纹，同时已经无法获取该手指的原始完整指纹，这时，该用户就在使用很多设备的时候，就会有障碍。受伤后的手指指纹即为待预测图像。现有技术中，针对待预测图像的预测并没有有效的技术实现，因此，实现待预测图像的预测是一种亟待解决的技术问题。
技术实现思路
本专利技术的主要目的在于提出一种无参考质量模糊图像预测方法、终端及存储介质，旨在解决对残缺不全的待预测图片进行预测的技术问题。为实现上述目的，本专利技术提供的一种无参考质量模糊图像预测方法，所述方法包括：将待预测图像转化为灰度图像；以及，获取参考图像的高斯模糊失真图像的第一特征向量和第二特征向量，其中，所述第一特征向量为所述参考图像的纹理特征构成的特征向量，所述第二特征向量为所述参考图像经低通滤波后的纹理特征构成的特征向量；根据所述灰度图像，提取所述待预测图像的结构特征，并计算得到所本文档来自技高网...

【技术保护点】
一种无参考质量模糊图像预测方法，其特征在于，所述方法包括：将待预测图像转化为灰度图像；以及，获取参考图像的高斯模糊失真图像的第一特征向量和第二特征向量，其中，所述第一特征向量为所述参考图像的纹理特征构成的特征向量，所述第二特征向量为所述参考图像经低通滤波后的纹理特征构成的特征向量；根据所述灰度图像，提取所述待预测图像的结构特征，并计算得到所述待预测图像与所述参考图像之间的结构相似度，以及所述第一特征向量和所述第二特征向量的纹理相似度；根据预设神经网络预测模型，以所述结构相似度和所述纹理相似度为输入样本，将得到的输出结果作为所述待预测图像的预测图像。

【技术特征摘要】
1.一种无参考质量模糊图像预测方法，其特征在于，所述方法包括：将待预测图像转化为灰度图像；以及，获取参考图像的高斯模糊失真图像的第一特征向量和第二特征向量，其中，所述第一特征向量为所述参考图像的纹理特征构成的特征向量，所述第二特征向量为所述参考图像经低通滤波后的纹理特征构成的特征向量；根据所述灰度图像，提取所述待预测图像的结构特征，并计算得到所述待预测图像与所述参考图像之间的结构相似度，以及所述第一特征向量和所述第二特征向量的纹理相似度；根据预设神经网络预测模型，以所述结构相似度和所述纹理相似度为输入样本，将得到的输出结果作为所述待预测图像的预测图像。2.根据权利要求1所述的无参考质量模糊图像预测方法，其特征在于，所述将待预测图像转化为灰度图像，包括：将待预测图像转化为尺寸为512*512的灰度图像。3.根据权利要求1或2所述的无参考质量模糊图像预测方法，其特征在于，所述计算所述第一特征向量和所述第二特征向量的纹理相似度，包括：计算所述第一特征向量和所述第二特征向量的欧几里得距离；将计算得到的欧几里得距离作为纹理相似度。4.根据权利要求1所述的无参考质量模糊图像预测方法，其特征在于，所述预设神经网络预测模型的隐层节点的个数的计算公式为：其中，n、m表示输入输出节点的个数，a为1至10之间的任一数值。5.根据权利要求1所述的无参考质量模糊图像预测方法，其特征在于，所述第一特征向量和所述第二特征向量均为34维的特征向量。6.一种终端，其特征在于，所述终端包括：存储器、处理器及通信总线；所述通信总线用于实现处理器和存储器之间的连接通信；所述处理器用于执行存储器中存储的无参考质量模糊图像预测程序，以实现以下步骤：将待预测图像转化为灰度图像；以及，获取参考图像的高斯模糊失真图像的第一特征向量和第二特征向量，其中，所...

【专利技术属性】
技术研发人员：李博，
申请(专利权)人：努比亚技术有限公司，
类型：发明
国别省市：广东,44