一种图像质量评价方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种图像质量评价方法、装置及存储介质，该方法包括：获取多张标准图像，并对标准图像施加失真处理，得到多张失真图像；采用全参考图像质量评价方法对每张失真图像进行评价，得到每张失真图像的评价分数，根据所有的失真图像的评价分数，得到评分向量空间；提取每张失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的失真图像的特征向量，得到图像特征向量空间；采用支持向量回归建立评分向量空间与图像特征向量空间的函数关系，得到图像质量评价模型；输入待评价图像，利用图像质量评价模型得到待评价图像的质量分数。本发明专利技术可以快速、准确地评价图像质量。

【技术实现步骤摘要】
一种图像质量评价方法、装置及存储介质
本专利技术涉及图像评价
，尤其涉及一种图像质量评价方法、装置及存储介质。
技术介绍
图像在采集、传输等过程中不可避免的受到各种失真的影响，如压缩、散焦模糊、运动模糊、噪声、异常曝光等。失真的引入改变了像素间的相关性，在一定程度上丢失图像原始信息，将会对后期目标检测和缺陷识别准确率造成影响。为了使得检测、识别算法能更准确地对目标进行辨别，降低误差，需要对待检测图像的质量进行预判。特别对于输电线路的巡检图像，大多使用机器人或者无人机对输电线路进行拍摄，后续由目标检测、目标识别等处理算法根据巡检图像诊断线路缺陷。如果巡检图像的失真过于严重，会大大降低线路缺陷的诊断结果。
技术实现思路
本专利技术实施例的目的是提供一种图像质量评价方法、装置及存储介质，先构建专有图像数据库，再提取图像的结构特征、纹理特征和曝光度，再通过支持向量回归得到图像质量评价模型，可以快速、准确地评价图像质量。为实现上述目的，本专利技术一实施例提供了一种图像质量评价方法，包括以下步骤：获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。优选地，所述获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像，具体包括：获取n张标准图像，对每张所述标准图像施加预设的多种不同程度的高斯噪声，对每张所述标准图像施加预设的多种不同程度的高斯模糊，对每张所述标准图像施加预设的多种不同程度的压缩处理，得到m张失真图像；其中，m＞n≥1。优选地，所述失真图像的结构特征包括所述失真图像的梯度幅值对应于韦伯分布的形状参数和比例参数。优选地，所述失真图像的纹理特征包括局部图像纹理特征和全局图像纹理特征；其中，所述局部图像纹理特征是通过统计所述失真图像中所有像素点的LBP值得到，所述全局图像纹理特征包括灰度共生矩阵的对比度、ASM能量和同质性。优选地，所述灰度共生矩阵是通过以下方式得到的：将所述失真图像的灰度范围压缩量化到L量级，得到量化矩阵；其中，所述失真图像的输入尺寸为H×W，L≥1；统计与所述量化矩阵中像素值为i的像素的距离为d，方向为θ、且像素值为j的像素出现的次数；其中，1≤i≤L，1≤j≤L，i≠j；遍历所述量化矩阵，得到所述灰度共生矩阵。优选地，所述灰度共生矩阵的对比度的计算公式为所述灰度共生矩阵的ASM能量的计算公式为所述灰度共生矩阵的同质性的计算公式为GH＝Pd,θ(i,j)/(1+|i-j-2|)；其中，GC为所述灰度共生矩阵的对比度，Pd,θ(i,j)为所述灰度共生矩阵中坐标为(i,j)的元素hd,θ(i,j)对应的概率，GE为所述灰度共生矩阵的ASM能量，GH为所述灰度共生矩阵的同质性。优选地，所述失真图像的曝光度通过信息熵来量化。本专利技术另一实施例提供了一种图像质量评价装置，所述装置包括：图像获取模块，用于获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；图像评价模块，用于采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；特征提取模块，用于提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；模型构建模块，用于采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；测试模块，用于输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。本专利技术另一实施例对应提供了一种使用图像质量评价方法的装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的图像质量评价方法。本专利技术还有一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一项所述的图像质量评价方法。与现有技术相比，本专利技术实施例所提供的一种图像质量评价方法、装置及存储介质，首先建立了图像质量评价专用数据库，其次通过提取图像的结构特征、纹理特征和曝光度特征构建图像特征向量，而后利用支持向量机习得映射模型，从而可以根据映射模型得到待评价图像的质量评价分数。附图说明图1是本专利技术提供的一种图像质量评价方法的一个实施例的流程示意图；图2是本专利技术提供的一种图像质量评价方法的另一个实施例的流程示意图；图3是本专利技术提供的图像质量评价装置的一个实施例的结构示意图；图4是本专利技术提供的使用图像质量评价方法的装置的一个实施例的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，是本专利技术提供的一种图像质量评价方法的一个实施例的流程示意图，所述方法包括步骤S1至步骤S5：S1、获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；S2、采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；S3、提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；S4、采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；S5、输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。具体地，获取n张标准图像，并对标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1。标准图像指的是高清无失真的原始图像。为了建立输电线路巡检图像的标准图像库，可以从提供的大量巡检图像中人工挑选出高质量图像作为标准图像，即参考图像。图像失真包括压缩、散焦模糊、运动模糊、噪声、异常曝光等。对标准图像施加失真处理，是为了获得失真图像，并与参考图像进行对比。采用本文档来自技高网...

【技术保护点】
1.一种图像质量评价方法，其特征在于，包括以下步骤：/n获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；/n采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；/n提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；/n采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；/n输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。/n

【技术特征摘要】
1.一种图像质量评价方法，其特征在于，包括以下步骤：
获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像；其中，m≥n≥1；
采用全参考图像质量评价方法对每张所述失真图像进行评价，得到每张所述失真图像的评价分数，根据所有的所述失真图像的评价分数，得到评分向量空间；
提取每张所述失真图像的结构特征、纹理特征和曝光度，得到每张图像的特征向量，根据所有的所述失真图像的特征向量，得到图像特征向量空间；
采用支持向量回归建立所述评分向量空间与所述图像特征向量空间的函数关系，得到图像质量评价模型；
输入待评价图像，利用所述图像质量评价模型得到所述待评价图像的质量分数。


2.如权利要求1所述的图像质量评价方法，其特征在于，所述获取n张标准图像，并对所述标准图像施加失真处理，得到m张失真图像，具体包括：
获取n张标准图像，对每张所述标准图像施加预设的多种不同程度的高斯噪声，对每张所述标准图像施加预设的多种不同程度的高斯模糊，对每张所述标准图像施加预设的多种不同程度的压缩处理，得到m张失真图像；其中，m＞n≥1。


3.如权利要求1所述的图像质量评价方法，其特征在于，所述失真图像的结构特征包括所述失真图像的梯度幅值对应于韦伯分布的形状参数和比例参数。


4.如权利要求1所述的图像质量评价方法，其特征在于，所述失真图像的纹理特征包括局部图像纹理特征和全局图像纹理特征；其中，所述局部图像纹理特征是通过统计所述失真图像中所有像素点的LBP值得到，所述全局图像纹理特征包括灰度共生矩阵的对比度、ASM能量和同质性。


5.如权利要求4所述的图像质量评价方法，其特征在于，所述灰度共生矩阵是通过以下方式得到的：
将所述失真图像的灰度范围压缩量化到L量级，得到量化矩阵；其中，所述失真图像的输入尺寸为H×W，L≥1；
统计与所述量化矩阵中像素值为i的像素的距离为d，方向为θ、且像素值为j的像素出现的次数；其中，1≤i≤L，1≤j≤L，i...

【专利技术属性】
技术研发人员：张显聪，杨珏，范旭娟，陈雁，何锦强，廖永力，朱登杰，
申请(专利权)人：广东电网有限责任公司广州供电局，南方电网科学研究院有限责任公司，
类型：发明
国别省市：广东;44