【技术实现步骤摘要】
一种基于深度强化学习的无参考图像质量客观评价方法
本专利技术属于数字图像处理
，图像质量是比较各种数字图像处理算法性能优劣的重要指标，准确且高效的图像质量评价对多媒体服务的监测和控制具有重要意义。对此在不使用失真图像以及主观评价分数的条件下，利用深度强化学习网络从图像失真退化过程中准确地感知图像质量。
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。图像质量评价从有没有人参与的角度区分，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。无参考方法不需要原始图像的任何信息，直接对失真图像进行质量评价，极大减少了信息传输量，更适合实际应用。根据是否使用主观评分分数，客观无参考评价方法可...
【技术保护点】
1.一种基于深度强化学习的无参考图像质量客观评价方法，其特征在于：包括搭建决策选择网络的步骤，建立高质量图像数据库的步骤，用高质量图像数据库对决策选择网络进行训练的步骤，使用决策选择网络中包含的状态值预测失真图像的质量分数的步骤，方法如下，(1)建立高质量图像数据库；对DIV2K高分辨率数据库中的图像进行人工筛选，去除存在明显失真情况的图像，获得高质量图像数据库；(2)建立失真操作动作集；选择高斯模糊GB，JPEG压缩失真JPEG，高斯白噪声WN作为基础失真操作，在此基础上进行两两组合构成6种失真操作：GB+JPEG、JPEG+GB、JPEG+WN、WN+JPEG、GB+W...
【技术特征摘要】
1.一种基于深度强化学习的无参考图像质量客观评价方法，其特征在于：包括搭建决策选择网络的步骤，建立高质量图像数据库的步骤，用高质量图像数据库对决策选择网络进行训练的步骤，使用决策选择网络中包含的状态值预测失真图像的质量分数的步骤，方法如下，(1)建立高质量图像数据库；对DIV2K高分辨率数据库中的图像进行人工筛选，去除存在明显失真情况的图像，获得高质量图像数据库；(2)建立失真操作动作集；选择高斯模糊GB，JPEG压缩失真JPEG，高斯白噪声WN作为基础失真操作，在此基础上进行两两组合构成6种失真操作：GB+JPEG、JPEG+GB、JPEG+WN、WN+JPEG、GB+WN、WN+GB；利用高质量图像数据库调节失真的具体参数，使所有失真操作的失真强度保持一致；(3)训练决策选择网络；以高质量图像块作为序列的起始图像，即作为决策选择网络的初始输入，每次决策从失真操作集中选择一种失真动作，将选择的动作添加到图像中生成失真图像，将失真图像的质量与步骤(2)的图像质量作差，所得值作为决策反馈值用于决策选择网络的训练，质量用全参考方法MSSIM的输出值表示；将当前失真图像作为下一步的决策选择的输入，依次循环；(4)预测得到图像质量分数；将待评价的失真图像进行切块，输入决策选择网络中，将状态值作为图像块的质量分数，对所有块的质量分数进行平均得到最终图像质量分数。2.根据权利要求1所述的一种基于深度强化学习的无参考图像质量客观评价方法，其特征在于：失真操作集由3种基础失真两两组合而成，并且通过调节失真参数保持所有操作的失真强度相同，具体调节方法如下：步骤1随机初始化三种基础失真的参数，分别为GB中高斯核的标准差，JPEG的质量因子，WN的标准差；步骤2对高质量图像数据库分别进行三种基础失真类型处理，然后获得三个相应的失真集；步骤3计算每个失真集中所有失真图像的平均MSSIM值；步骤4根据平均值调整三种失真类型的参数，并继续执行步骤2，直到平均值全部相同。3.根据权利要求1所述的一种基于深度强化学习的无参考图像质量客观评价方法，其特征在于：决...
【专利技术属性】
技术研发人员：潘达，应泽峰，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
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。