The invention discloses a classification method of image quality based on multi attributes, including the overall image quality label selected N image with corresponding, constructs the training set; on the training set of N images for color feature extraction, clustering and color attributes of N images corresponding to the training set of N amplitude; image feature extraction, clustering and structure properties of the N image corresponding to the definition of categories; characteristics of the training set of N images, and get the definition of clustering image corresponding to the attribute category N; respectively trained neural network model four corresponding use category color attribute categories, category, structure attribute definition attribute the categories and the overall quality; four neural network model fusion, classification model the final image quality to test image transmission; The image quality classification model is introduced, and the results of image quality classification are obtained. The invention effectively improves the accuracy rate of image quality classification.
【技术实现步骤摘要】
基于多属性特征的图像质量分类方法
本专利技术涉及图像质量评价
,特别涉及一种基于多属性特征的图像质量分类方法。
技术介绍
图像质量分类是图像处理与图像分析中重要的研究问题,该技术试图利用多种属性特征深入挖掘图像质量相关特性,实现对图像质量的准确分类,提升图像质量评价性能。目前的图像质量特征提取方法可以分为两类:一类是传统的人工设计特征,即依据人类的图像质量评价经验和一些摄影准则设计底层特征,用这些底层特征表达图像的质量特性,在此基础上用机器学习方法作为分类器实现对图像的质量分类。另外一类是利用近年来提出的深度学习方法,直接将图像作为输入,深度学习模型自动从图像中提取特征,完成图像质量分类。其中,第一类方法的缺点是严重依赖人类经验,由于人类图像质量评价行为高度抽象的特性,参考人工经验设计出的图像质量特征效果有限。第二类方法自动从图像中抽取特征的方法,虽然解决了人工设计特征的缺陷,然而其完全从图像数据出发,忽略了人类经验对图像质量评价的指导意义。
技术实现思路
本专利技术的目的在于提供一种基于多属特征的图像质量分类方法,以提高图像质量分类的准确性。为实现以上目的,本专利技术采用的技术方案为:提供一种基于多属性特征的图像质量分类方法,包括:S1、选取N幅具有对应的整体质量类别标签的图像,构建训练集;S2、对训练集中的N幅图像进行颜色特征提取,并对提取的颜色特征进行聚类得到N幅图像对应的颜色属性类别;S3、对训练集中的N幅图像进行结构特征提取,并对提取的结构特征进行聚类得到N幅图像对应的结构属性类别;S4、对训练集中的N幅图像进行清晰度特征,并对提取的清晰度特征 ...
【技术保护点】
一种基于多属性特征的图像质量分类方法,其特征在于,包括:S1、选取N幅具有对应的整体质量类别标签的图像,构建训练集;S2、对训练集中的N幅图像进行颜色特征提取,并对提取的颜色特征进行聚类得到N幅图像对应的颜色属性类别;S3、对训练集中的N幅图像进行结构特征提取,并对提取的结构特征进行聚类得到N幅图像对应的结构属性类别;S4、对训练集中的N幅图像进行清晰度特征,并对提取的清晰度特征进行聚类得到N幅图像对应的清晰度属性类别;S5、利用所述的颜色属性类别、结构属性类别、清晰度属性类别以及整体质量类别分别进行训练得到四个对应的神经网络模型;S6、将所述四个神经网络模型进行融合,得到最终的图像质量分类模型;S7、将待测试图像输入所述图像质量分类模型,得到图像质量分类结果。
【技术特征摘要】
1.一种基于多属性特征的图像质量分类方法,其特征在于,包括:S1、选取N幅具有对应的整体质量类别标签的图像,构建训练集;S2、对训练集中的N幅图像进行颜色特征提取,并对提取的颜色特征进行聚类得到N幅图像对应的颜色属性类别;S3、对训练集中的N幅图像进行结构特征提取,并对提取的结构特征进行聚类得到N幅图像对应的结构属性类别;S4、对训练集中的N幅图像进行清晰度特征,并对提取的清晰度特征进行聚类得到N幅图像对应的清晰度属性类别;S5、利用所述的颜色属性类别、结构属性类别、清晰度属性类别以及整体质量类别分别进行训练得到四个对应的神经网络模型;S6、将所述四个神经网络模型进行融合,得到最终的图像质量分类模型;S7、将待测试图像输入所述图像质量分类模型,得到图像质量分类结果。2.如权利要求1所述的方法,其特征在于,所述的步骤S2,具体包括:对所述训练集中的N幅图像分别提取色度直方图和亮度直方图,得到每幅图像的颜色特征;采用K均值聚类算法对,每幅图像的颜色特征进行聚类,并将每幅图像的聚类类别作为该幅图像的颜色属性类别。3.如权利要求1所述的方法,其特征在于,所述的步骤S3,具体包括:对所述训练集中的N幅图像采用Canny算子提取图像的边缘,并选取覆盖预设比例边缘像素的最小矩...
【专利技术属性】
技术研发人员:王大勇,夏同飞,胡健,田新梅,邵善阳,汤才宝,马福运,
申请(专利权)人:安徽睿极智能科技有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。