【技术实现步骤摘要】
一种图像质量评估方法及装置
本专利技术涉及图像处理
，尤其涉及一种图像质量评估方法及装置。
技术介绍
社交媒体交互的很大一部分包括分享图片。然而，图像在采集、后处理、传输和存储过程中总会或多或少地引入失真。因此，图像质量评估成为一个重要的研究课题。而在现实应用中，参考图像并不总是可获取的。例如，在社交平台上，用户分享图片，而他们的好友在没有任何参考的情况下浏览图片。这促进了无参考图像质量评估成为机器感知领域研究中最广泛和最深入的领域。通常图像遭受两种不同类型的失真。一种是由快衰落、白噪声、粉色高斯噪声、JPEG、JPEG2000、高斯模糊、全局对比度降低等由单一因素引起具有特定失真类型的合成失真。另一种是相机在捕捉、处理和存储过程中引入的真实失真。由于在拍摄过程中过度曝光、曝光不足、运动导致的模糊、低光噪声和压缩误差等多种失真因素融合而造成的真实失真，其没有特定的失真类型。而现有的技术对图像进行质量评估，局限于对具有特定失真类型的图像即上述合成失真类型的图像进行评估，例如申请号为“CN201910364614....
【技术保护点】
1.一种图像质量评估方法，其特征在于，包括：/n获取样本图像，继而按预设的形状参数及不同的失真等级，调整所述样本图像的亮度分量，获得第一训练图像集；其中，所述第一训练图像集中包含不同失真等级的图像；/n按预设的图像处理器对所述第一训练图像集中的每一图像进行处理，获得第二训练图像集；其中，所述预设图像处理器包括以下任意一种或多种组合：运动滤波器、高斯低通滤波器、色差变换处理器和全局对比度衰退图像处理器；/n将所述样本图像按预设失真类型及不同的失真等级，进行图像处理，获得合成失真训练图像集；其中，所述预设失真类型包括：高斯模糊、JPEG压缩失真、JPEG2000压缩失真、快速衰...
【技术特征摘要】
1.一种图像质量评估方法，其特征在于，包括：
获取样本图像，继而按预设的形状参数及不同的失真等级，调整所述样本图像的亮度分量，获得第一训练图像集；其中，所述第一训练图像集中包含不同失真等级的图像；
按预设的图像处理器对所述第一训练图像集中的每一图像进行处理，获得第二训练图像集；其中，所述预设图像处理器包括以下任意一种或多种组合：运动滤波器、高斯低通滤波器、色差变换处理器和全局对比度衰退图像处理器；
将所述样本图像按预设失真类型及不同的失真等级，进行图像处理，获得合成失真训练图像集；其中，所述预设失真类型包括：高斯模糊、JPEG压缩失真、JPEG2000压缩失真、快速衰退失真或高斯白噪音；所述合成失真训练图像集包含不同失真等级的合成失真图像；
以一训练图像集、所述训练图像集中各图像的失真等级以及所述样本图像的标准质量评价分数为输入，通过神经网络构建图像质量评估模型；其中，所述训练图像集包括第二训练图像集或合成失真训练图像集；
获取待评估图像，并将所述待评估图像输入所述图像质量评估模型中，获得所述待评估图像的预测质量评价分数。
2.如权利要求1所述的图像质量评估方法，其特征在于，在所述按预设的图像处理器对所述第一训练图像集中的每一图像进行处理，获得第二训练图像集之后，还包括：按预设的概率对所述第二训练图像集中的每一图像进行压缩处理。
3.如权利要求1所述的图像质量评估方法，其特征在于，所述按预设的形状参数及不同的失真等级，调整所述样本图像的亮度分量，获得第一训练图像集，具体包括：
通过以下过度曝光处理函数调整所述样本图像的亮度分量：
其中，所述λ1，δ1，γ1和v1为形状参数、k为失真等级、L为亮度分量，i为亮度分量所对应的行坐标j为亮度分量所对应的纵坐标。
4.如权利要求1所述的图像质量评估方法，其特征在于，所述按预设的形状参数及不同的失真等级，调整所述样本图像的亮度分量，获得第一训练图像集，具体包括：
通过以下欠曝光处理函数调整所述样本图像的亮度分量：
其中，所述λ2，δ2，γ2和v2为形状参数、k为失真等级、L为亮度分量，i为亮度分量所对应的行坐标j为亮度分量所对应的纵坐标。
5.如权利要求1所述的图像质量评估方法，其特征在于，所述以一训练图像集、所述训练图像集中各图像的失真等级以及所述样本图像的标准质量评价分数为输入，通过神经网络构建图像质量评估模型，具体包括：
以一训练图像集、训练图像集中各图像的失真等级以及所述样本图像的标准质量评价分数为输入，输入神经网络中进行预训练，直至所述神经网...
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。