基于卷积神经网络的全参考图像质量评估制造技术

实施例一般涉及提供用于评估失真图像相对于参考图像的图像质量的系统和方法。在一个实施例中，所述系统包括接受失真图像和参考图像作为输入并且提供图像质量的度量作为输出的卷积神经网络。在另一个实施例中，所述方法包括向被配置为处理失真图像和参考图像并且提供图像质量的度量作为输出的卷积神经网络输入失真图像和参考图像。

All reference image quality evaluation based on convolution neural network

In general, a system and method for evaluating the quality of a distorted image relative to a reference image is generally referred to. In one embodiment, the system includes a convolutional neural network that takes the distortion image and reference image as input and provides the measurement of image quality as output. In another embodiment, the method comprises a convolutional neural network input distortion image and a reference image, which are configured to process distorted images and reference images, and provide quality of images as output.

【技术实现步骤摘要】
【国外来华专利技术】基于卷积神经网络的全参考图像质量评估相关申请的交叉引用本申请要求2015年6月5日提交的名称为“FULLREFERENCEIMAGEQUALITYASSESSMENTBASEDONCONVOLUTIONALNEURALNETWORK”的美国专利申请14/732,518的优先权，为了所有目的将该申请由此通过引用并入本文，如同在本申请中完整阐述一样。
技术介绍
随着数字图像设备和通信技术的发展和普及，数字图像对于信息表示和通信已经变得越来越重要。在数字图像的生命周期中，所述数字图像可以在各个阶段降级，并且这种质量降级可导致在后续阶段的应用中的失败。因此在多个图像处理系统和视频处理系统中保持和监视图像质量很重要，这种图像质量评估(IQA)的主要目标是预测由观看者所感知的视觉质量。图像质量测量可用于将感知失真的依赖性评估为诸如传输速率的参数的函数，并且用于选择图像增强方法的最优参数。虽然可以在实验室设置中进行主观测试以执行IQA，这种测试是昂贵和耗时的，并且不能用于实时系统和自动系统中。因此，开发客观的IQA度量以自动地和高效地测量图像质量的可能性受到很大关注。全参考IQA(FR-IQA)模型将来本文档来自技高网...

【技术保护点】
一种用于评估失真图像相对于参考图像的图像质量的系统，所述系统包括：接受所述失真图像和所述参考图像作为输入并且提供图像质量的度量作为输出的卷积神经网络。

【技术特征摘要】
【国外来华专利技术】2015.06.05 US 14/732,5181.一种用于评估失真图像相对于参考图像的图像质量的系统，所述系统包括：接受所述失真图像和所述参考图像作为输入并且提供图像质量的度量作为输出的卷积神经网络。2.如权利要求1所述的系统，其中所述卷积神经网络包括多个层。3.如权利要求2所述的系统，其中所述多个层包括：输入层，被配置为将归一化函数应用到构成所述失真图像和所述参考图像中的每一个的图像块，以提供归一化的失真图像和归一化的参考图像；以及卷积层，被配置为用N1个滤波器对所述归一化的失真图像和所述归一化的参考图像中的每一个做卷积，以提供N1对特征映射，每对包含一个经滤波的归一化的失真图像和一个对应的经滤波和归一化的参考图像，其中N1为大于1的整数。4.如权利要求3所述的系统，其中所述多个层进一步包括：线性组合层，被配置为计算从所述归一化的失真图像和所述归一化的参考图像中的每一个提供的N1个特征映射的N2个线性组合，提供N2对组合的特征映射，每对包含经滤波的归一化的失真图像的一个组合以及经滤波和归一化的参考图像的一个对应组合，其中N2为大于1的整数；相似度计算层，被配置为计算N2个相似度映射，每个相似度映射基于来自所述N2对组合的特征映射中的不同的一个的对应像素；池化层，被配置为对所述N2个相似度映射中的每一个应用平均池化以提供N2个相似度输入值。5.如权利要求4所述的系统，其中所述多个层进一步包括：全连接层，被配置为作用于所述N2个相似度输入值上以提供M个隐藏节点值，其中M为大于N2的整数；以及线性回归层，被配置为将所述M个隐藏节点值映射到单个输出节点以提供图像质量的所述度量。6.如权利要求5所述的系统，其中N1＝N2，并且N1＝10。7.如权利要求5所述的系统，其中M＝800。8.如权利要求3所述的系统，其中在由所述卷积层将N1对特征映射提供给所述多个层中的任何后续层之前，在N1对特征映射的每个节点处应用平方激活函数。9.一种用于评估失真图像相对于参考图像的图像质量的方法，所述方法包括：向被配置为处理所述失真图像和所述参考图像并且提供图像质量的度量作为输出的卷积神经网络输入所述失真图像和所述参考图像。10.如权利要求9所述的方法，其中由所述卷积神经网络执行的所述处理包括：将归一化函数应用到构成所述失真图像和所述参考图像中的每一个的图像块，以提供归一化的失真图像和归一化的参考图像；以及用N1个滤波器对所述归一化的失真图像和所述归一化的参考图像中的每一个做卷积，以提供N1对特征映射，每对包含一个经滤波的归一化的失真图像和一个对应的经滤波和归一化的参考图像，...

【专利技术属性】
技术研发人员：徐迅，叶鹏，
申请(专利权)人：索尼公司，
类型：发明
国别省市：日本,JP