一种图像标注质量评估的方法技术

本发明专利技术公开一种图像标注质量评估的方法，包括以下步骤：S1、从待评估图像中提取MSCN系数；S2、将所述MSCN系数拟合成非对称性广义高斯分布，并提取所述拟合的非对称性广义高斯分布的特征；S3、将提取的特征输入到支持向量机中做回归得到图像的失真数据组；S4、对所述失真数据组进行MAP计算，将计算结果取平均值，得到图像质量的评估结果，该方法用计算机来代替人类视觉系统去观看和认知图像，并通过计算模型获得图像质量量化值与人类主观观测值一致性的好坏来评估的。

A method of image annotation quality evaluation

【技术实现步骤摘要】
一种图像标注质量评估的方法
本专利技术涉及图像评估领域。更具体地，涉及一种图像标注质量评估的方法。
技术介绍
图像标注是指针对图像的视觉内容，通过机器学习的方法自动给图像添加反应其内容的文本特征信息的过程。基本思想是:利用已标注图像集或其他可获得的信息，自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系，给未知图像添加文本关键词。经过图像自动标注技术的处理，图像信息问题可以转化为技术已经相对较成熟的文本信息处理问题。基于分类图像标注是一种有监督的机器学习方法。分类器训练过程会不断地通过反馈信息调整分类器，使得分类器达到某个精度。分类模型的基本思想是:先对图像进行分割，过滤噪声和过分割部分，把每一个语义概念当作一个类别，对分割后的图像进行分类。图像的自动标注实际上可以看作图像分类问题来处理。相关模型图像自动标注方法是基于早期的概率关联模型而来，不同于概率关联模型的地方是它不仅仅简单地统计图像区域与关键词出现的共生概率，而是建立图像与语义关键词之间的概率相关模型。通过关联模型，给待标注图像找到与其相关性概率最大的一组语义关键词来标注图像。
技术实现思路
本专利技术的一个目的在于提供一种图像标注质量评估的方法，包括以下步骤：S1、从待评估图像中提取MSCN系数；S2、将所述MSCN系数拟合成非对称性广义高斯分布，并提取所述拟合的非对称性广义高斯分布的特征；S3、将提取的特征输入到支持向量机中做回归得到图像的失真数据组；S4、对所述失真数据组进行MAP计算，将计算结果取平均值，得到图像质量的评估结果。优选地，所述步骤S4还包括在所述MAP计算之前，在MAP算法中置入权重因子K，用于计算所述失真数据组的准确排序值。优选地，所述在MAP算法中置入权重因子K包括：将权重因子kn初始设置成1/N，其中ki+1＝argkminKL(k|ki)+μhi(k)argkmin为取最小值函数，KL为KL差分，hi(k)为合页损失函数；所述hi(k)通过以下公式获得Si＝(S1(x，Г+)-S1(x，Г-)，…，SN(x，Г+)-SM(x，Г-))其中，Г+和Γ-为图像内容；将所述Si置入MAP中，将每一个数据样本进行分类，记录以下情况：TP，FN，FP，TN，计算出一个准确率Accuracy：将Accuracy乘以权重因子k完成评估图像标注质量了。本专利技术的有益效果如下：本专利技术提出一种图像标注质量评估的方法，在BRISQUE和MAP算法基础上融合评价因子的图像相对评价方法，从图像中凸起MSCN，并将其系数拟合成AGGD非对称性广义高斯分布，提取拟合的高斯分布的特征，输入到支持向量机SVM中做回归，之后再做MAP计算即在被评价系统中给出结果的排序取倒数作为其准确度，之后取平均值，从而图像质量的评估结果，该方法利用计算机取代人工，方便简单，容易实现。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本专利技术一种标注质量评估的方法的流程图。具体实施方式为使本专利技术的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。需要说明的是，本专利技术术语【本专利技术实施例不对步骤a至e的执行顺序进行限制，例如，可依次执行步骤c、步骤a】【本专利技术所有数值指定(例如温度、时间、浓度及重量等，包括其中每一者的范围)通常可是适当以0.1或1.0的增量改变(+)或(-)的近似值。所有数值指定均可理解为前面有术语“约”。】本专利技术提出一种在BRISQUE和MAP算法基础上融合评价因子的图像相对评价方法。在图像信息技术被广泛应用的情况下，对图像质量的评估变成一个广泛而基本的问题。由于图像信息相对于其它信息有着无可比拟的优点，因此对图像信息进行合理处理成为各领域中不可或缺的手段。在图像的获取、处理、传输和记录的过程中，由于成像系统、处理方法、传输介质和记录设备等不完善，加之物体运动、噪声污染等原因,不可避免地带来某些图像失真和降质，这给人们认识客观世界、研究解决问题带来很大的困难。比如，在图像标注中，所采集到的图像准确的标注直接影响识别结果的准确性和可靠性；又如，远程会议和视频点播等系统受传输差错、网络延迟等不利因素影响，都需要在线实时的图像质量监控，以便于服务提供商动态地调整信源定位策略，进而满足服务质量的要求；在军事应用方面，战场监视和打击评估的效果也取决于无人机等航拍设备所采集到的图像或视频的质量。因此，对图像标注质量的合理评估具有非常重要的应用价值。从有没有人参与的角度区分，图像标注质量评价方法有主观评价和客观评价两个分支。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。主观评价只涉及人作出的定性评价，它以人为观察者，对图像的优劣作出主观的定性评价。对于观察者的选择一般考虑未受训练的“外行”或者训练有素的“内行”。该方法是建立在统计意义上的，为保证图像主观评价在统计上有意义，参加评价的观察者应该足够多。图像质量客观评价的基本目标是设计能精确和自动感知图像质量的计算模型。其终极目标是希望用计算机来代替人类视觉系统去观看和认知图像。在国际上，图像质量客观评价通常是通过测试多个影响影像质量的因素的表现，并通过计算模型获得图像质量量化值与人类主观观测值一致性的好坏来评估的。美国的Imatest和法国的DxOanalyzer就是其中比较出名的图像质量客观评价系统。实施例实施例1BRISQUE即一种无参考的空间域图像质量评估算法；如图1示出的一种图像标注质量评估方法，从图像中凸起MSCN，并将其系数拟合成AGGD非对称性广义高斯分布，提取拟合的高斯分布的特征，输入到支持向量机SVM中做回归，之后再做MAP计算即在被评价系统中给出结果的排序取倒数作为其准确度，之后取平均值，从而图像质量的评估结果。本专利技术的创新点在于引入的权重因子k置入MAP计算中进而算出准确的排序值，其中将kn初始设置成1/N，之后进行如下处理：ki+1＝argkminKL(k|ki)+μhi(k)其中，KL表示KL差分，hi(k)表示合页损失函数：其中，Si为：Si＝(S1(x，Г+)-S1(x，Г-)，…，SN(x，Г+)-SM(x，Г-))其中，标注Г+和Γ-反映的是图像的内容。将这个计算得出的Si置入MAP中，将每一个数据样本进行分类，记录几种情况：TP，FN，FP，TN，计算出一个准确率Accuracy：...

【技术保护点】
1.一种图像标注质量评估的方法，其特征在于，包括以下步骤：/nS1、从待评估图像中提取MSCN系数；/nS2、将所述MSCN系数拟合成非对称性广义高斯分布，并提取所述拟合的非对称性广义高斯分布的特征；/nS3、将提取的特征输入到支持向量机中做回归得到图像的失真数据组；/nS4、对所述失真数据组进行MAP计算，将计算结果取平均值，得到图像质量的评估结果。/n

【技术特征摘要】
1.一种图像标注质量评估的方法，其特征在于，包括以下步骤：
S1、从待评估图像中提取MSCN系数；
S2、将所述MSCN系数拟合成非对称性广义高斯分布，并提取所述拟合的非对称性广义高斯分布的特征；
S3、将提取的特征输入到支持向量机中做回归得到图像的失真数据组；
S4、对所述失真数据组进行MAP计算，将计算结果取平均值，得到图像质量的评估结果。


2.根据权利要求1所述的方法，其特征在于，所述步骤S4还包括在所述MAP计算之前，在MAP算法中置入权重因子K，用于计算所述失真数据组的准确排序值。


3.根据权利要求2所述的方法，其特征在于，所述在MAP算法...

【专利技术属性】
技术研发人员：张璐，
申请(专利权)人：北京无线电计量测试研究所，
类型：发明
国别省市：北京;11