一种基于质量排序网络和语义分类的图像质量评价方法技术

本发明专利技术公开了一种基于质量排序网络和语义分类的图像质量评价方法，本方法通过构造排序图像对，训练一个深度质量排序网络得到一组图像的质量排序，为了对排序结果进行修正，本发明专利技术通过对失真图像进行语义分类，在每一语义内进行质量重排序，用这一组排序结果替换所有图像排序中对应的排序，从而得到一组更高精度的排序结果，完成质量评价任务。本发明专利技术使用的深度质量排序网络，输入为两张失真图像，输出为两张图像质量的比较结果，通过这一模型，可以对一组图像进行质量排序。本发明专利技术对失真图像进行语义分类，是为了使深度排序网络对两张图像的质量判断更为准确，从而得到更精确的质量排序结果。

An Image Quality Assessment Method Based on Quality Sorting Network and Semantic Classification

【技术实现步骤摘要】
一种基于质量排序网络和语义分类的图像质量评价方法
本发涉及一种基于质量排序网络和语义分类的图像质量评价方法，属于数字图像处理

技术介绍
图像作为视觉信息的来源,蕴含了大量的有价值信息。图像质量的好坏直接影响到人们的主观感受和信息量获取,图像质量评价(Imagequalityassessment,IQA)的研究也在近20年受到广泛的重视。图像质量评价可以分为主观评价方法和客观评价方法。主观评价由观察者对图像质量进行主观评分,但主观评价工作量大、耗时长,不方便；客观评价方法是由计算机根据一定算法计算得到图像的质量指标,根据评价时是否需要参考图像又可以分为全参考(Fullreference,FR)、半参考(部分参考)(Reducedreference,RR)和无参考(Noreference,NR)等三类评价方法:(1)全参考图像质量评价方法。FR算法是指在给定理想图像作为参考图像的标准下，比较待评价图像与参考图像之间的差异，分析待评价图像的失真程度，从而得到待评价图像的质量评估。常见的FR方法的有：基于图像像素统计基础的图像质量评价(主要有峰值信噪比和均方误差)、基于信息论基础的本文档来自技高网...

【技术保护点】
1.一种基于质量排序网络和语义分类的图像质量评价方法，其特征在于：该方法包括以下步骤，步骤1，在质量评价数据库内生成排序图像对；在一个失真图像数据库内，选取所有主观评价分数大于定值的两张图像，定值设为20；组成排序图像对训练库，每一个排序图像对的标签为两张图像对应的质量分数，和两张图像质量分数的比较结果，0表示小于，1表示大于；步骤2，训练针对数据库内图像的深度质量排序网络；由生成的训练集内排序图像对，训练一个深度质量排序网络，网络的输入为排序图像对，输出和标签为两张图像的质量比较结果；步骤3，得到所有待测试图像的质量排序；通过训练好的深度质量排序模型，对所有待测试图像进行排序，得到一组排序结...

【技术特征摘要】
1.一种基于质量排序网络和语义分类的图像质量评价方法，其特征在于：该方法包括以下步骤，步骤1，在质量评价数据库内生成排序图像对；在一个失真图像数据库内，选取所有主观评价分数大于定值的两张图像，定值设为20；组成排序图像对训练库，每一个排序图像对的标签为两张图像对应的质量分数，和两张图像质量分数的比较结果，0表示小于，1表示大于；步骤2，训练针对数据库内图像的深度质量排序网络；由生成的训练集内排序图像对，训练一个深度质量排序网络，网络的输入为排序图像对，输出和标签为两张图像的质量比较结果；步骤3，得到所有待测试图像的质量排序；通过训练好的深度质量排序模型，对所有待测试图像进行排序，得到一组排序结果，完成初步的质量评价；步骤4，对质量评价数据库的图像进行语义分类；按照9个语义类别：植物、风景、人物、雕塑、道路、夜晚、场景、动物、食物，将质量评价数据库的图像分类；步骤5，按照语义类别进行质量排序；在每一个类别内，训练深度质量排序模型，得到每一语义类别内的质量排序；步骤6，由语义分类排序提高测试集总体排序精度；由步骤5得到的每一类排序，对步骤3得到的测试集总体排序进行修改，得到一个测试集总体排序，完成本方法的质量评价。2.根据权利要求1所述的一种基于质量排序网络和语义分类的图像质量评价方法，其特...

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