一种基于多尺度生成对抗网络的无参考图像质量客观评价方法技术

本发明专利技术公开了一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，通过多尺度生成对抗网络产生失真图像对应的相似质量图，再将不同尺度的相似质量图通过卷积神经网络进行回归得到图像质量分数。训练多尺度生成对抗网络，通过全参考图像质量评价方法对失真图像生成图像质量相似图，并将其作为判别网络的真实数据集。将三组不同尺度的相似质量图作为数据集，主观评价分数作为标签，对图像质量分数回归网络进行训练。失真图像通过生成网络产生多张不同尺度的相似质量图，然后通过图像质量分数回归网络生成图像质量分数。本发明专利技术将整体失真程度和局部失真细节结合，从而进一步确定失真图像的质量分数，更全面准确地体现了失真图像质量。

【技术实现步骤摘要】
一种基于多尺度生成对抗网络的无参考图像质量客观评价方法
本专利技术涉及一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，属于数字图像处理

技术介绍
图像质量评价在图像处理系统中，对于算法分析比较、系统性能评估等方面有着重要的作用。近年来，随着对数字图像领域的广泛研究，研究者对于图像质量评价的研究也越来越关注，并提出了许多图像质量评价的指标和方法。从有没有人参与的角度区分，图像质量评价方法可以分为主观评价方法和客观评价方法。主观评价以人作为观测者，对图像进行主观评价，力求能够真实地反映人的视觉感知；客观评价方法借助于某种数学模型，反映人眼的主观感知，给出基于数字计算的结果。其中客观评价方法根据评价时是否需要参考图像又可以分为全参考、半参考和无参考评价方法：1)全参考方法就是利用原始图像的全部信息，通过计算原始图像与失真图像之间的感知误差，并综合这些误差得到失真图像质量的评价值。一般默认原始图像是无失真图像，全参考方法种类繁多，这类方法基本都是基于数学模型，可分为以下几类：基于像素误差统计的算法、基于结构相度的算法、基于信息论提出的信息保真度、基于人类视觉系统与其他算法结本文档来自技高网...

【技术保护点】
一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，其特征在于：该方法包括以下步骤，步骤1，生成相似质量图像库；选取失真图像数据库，运用全参考图像质量评价方法GMSD在失真图像和参考图像的基础上生成对应的失真信息图，即相似质量图；步骤2，训练相似质量图多尺度生成对抗网络；生成对抗网络分为生成网络和判别网络，由失真图像数据库的失真图像切割得到的图像块作为生成网络的输入，生成对抗网络的输出是尺寸大小与输入相同的灰度图，生成对抗网络的输出作为判别网络的假样本集，对应尺寸的失真图像的相似质量图块作为判别网络的真实样本集；判别网络基于AlexNet网络，用于判断输入是否为相似质量图，其输入为一张灰度...

【技术特征摘要】
1.一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，其特征在于：该方法包括以下步骤，步骤1，生成相似质量图像库；选取失真图像数据库，运用全参考图像质量评价方法GMSD在失真图像和参考图像的基础上生成对应的失真信息图，即相似质量图；步骤2，训练相似质量图多尺度生成对抗网络；生成对抗网络分为生成网络和判别网络，由失真图像数据库的失真图像切割得到的图像块作为生成网络的输入，生成对抗网络的输出是尺寸大小与输入相同的灰度图，生成对抗网络的输出作为判别网络的假样本集，对应尺寸的失真图像的相似质量图块作为判别网络的真实样本集；判别网络基于AlexNet网络，用于判断输入是否为相似质量图，其输入为一张灰度图，输出为0到1的数值；数值越大，说明输入的灰度图越接近真实相似质量图；步骤3，训练质量分数回归网络；质量分数回归网络的输入为三张不同尺寸的灰度图，三张不同尺寸的灰度图分别输入到对应尺寸的三层卷积层中，再通过链接层将三者输出拼接后传入两层卷积层和两层全连接层，最后输出为0到100间的图像质量分数；训练质量分数回归网络的步骤如下：步骤4，对待预测失真图像进行无参考质量评价；将待评价失真图像进行切块，输入到相似质量图多尺度生成对抗网络与质量分数回归网络中，得到最终的图像质量分数，并通过拼接得到完整的相似质量图。2.根据权利要求1所述的一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，其特征在于：训练相似质量图生成对抗网络的步骤如下，步骤2.1，将失真图像数据库每张失真图像和其对应的GMSD相似质量图进行三次不同尺寸的滑窗，滑窗大小分别为96×96、144×144、194×194，生成三份一一对应的彩色失真图像块与灰度相似质量图像块；步骤2.2，搭建相似质量图多尺度生成对抗网络的生成网络与判别网络；步骤2.3，将步骤2.1中的彩色失真图像块作为生成网络的输入，对...

【专利技术属性】
技术研发人员：史萍，潘达，应泽峰，侯明，钟地秀，韩明良，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：北京,11