图像质量评估方法、装置以及计算机可读存储介质制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体提供了一种图像质量评估方法、装置以及介质，旨在解决如何准确且高效地对图像进行质量评估的技术问题。为此目的，根据本发明专利技术实施例的方法，可以获取待评估图像的图像特征以及训练集内每个图像样本的样本特征，然后根据图像特征与样本特征获取待评估图像的质量评估指标值，最后根据质量评估指标值对待评估图像进行图像质量评估。训练集是图像目标识别模型在模型训练时使用的训练集，质量评估指标值表示待评估图像与训练集的匹配程度。本发明专利技术实施例不依赖于评估人员的主观性分析，克服了采用人工评估的方式对图像进行质量评估时很容易引入随机误差以及费时费力的缺陷，能够显著提高图像质量评估的准确性和效率。

【技术实现步骤摘要】
图像质量评估方法、装置以及计算机可读存储介质
本专利技术涉及图像处理
，具体涉及一种图像质量评估方法、装置以及计算机可读存储介质。
技术介绍
目标轨迹跟踪如人脸轨迹跟踪主要是通过对包含目标画面的连续的图像时间序列进行跟踪分析以确定目标轨迹。然而，图像采集装置的安装角度、目标所处环境的光照、天气以及背景等因素，往往会导致图像的质量较差如图像的亮度较差和目标被遮挡等，因此需要对图像进行质量评估，利用优质的图像进行目标轨迹跟踪，以提高目标跟踪的准确性与可靠性。目前传统的图像质量评估方法主要是采用人工评估的方式，分别从图像的亮度和目标是否被遮挡等多个维度对图像进行质量打分，然后根据每个维度各自对应的质量分获取最终的质量分。然而，由于人工评估的方式主要是依赖于评估人员的主观性分析，因此在对图像进行质量打分时很容易引入随机误差，不利于对图像进行准确的质量打分。同时，如果采用人工评估的方式对大批量图像进行质量评估，将会极大地降低图像质量的评估效率。
技术实现思路
为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决如何准确且高效地对图像进行质量评估的技术问题的图像质量评估方法、装置以及计算机可读存储介质。第一方面，提供一种图像质量评估方法，所述方法包括：获取待评估图像的图像特征以及获取预设的训练集内每个图像样本的样本特征；根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值；根据所述质量评估指标值对所述待评估图像进行图像质量评估；其中，所述预设的训练集用于训练预设的图像目标识别模型，所述图像目标识别模型用于识别所述待评估图像中的目标，所述质量评估指标值表示所述待评估图像与所述训练集的匹配程度。在上述图像质量评估方法的一个技术方案中，“根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值”的步骤具体包括：使用所述样本特征对预设的概率分布模型进行训练，得到特征概率分布模型；采用所述特征概率分布模型计算所述图像特征对应的概率；根据所述概率获取所述待评估图像的质量评估指标值；其中，所述概率与所述匹配程度成正相关关系。在上述图像质量评估方法的一个技术方案中，“根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值”的步骤具体包括：根据每个所述样本特征计算样本特征均值；计算所述图像特征与所述样本特征均值之间的特征距离；根据所述特征距离获取所述待评估图像的质量评估指标值；其中，所述特征距离与所述匹配程度成负相关关系。在上述图像质量评估方法的一个技术方案中，“根据所述特征距离获取所述待评估图像的质量评估指标值”的步骤具体包括：根据所述特征距离并且按照下式所述的方法获取质量评估指标值：其中，所述Q(x)表示质量评估指标值，所述x表示图像特征与样本特征均值之间的特征距离，所述dmax表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最大特征距离，所述dmin表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最小特征距离。在上述图像质量评估方法的一个技术方案中，“获取预设的训练集内每个图像样本的样本特征”的步骤具体包括：采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；获取所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测时提取到的第一图像特征，将所述第一图像特征设定为每个所述图像样本的样本特征；并且/或者，“获取预设的训练集内每个图像样本的样本特征”的步骤具体包括：采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；根据图像目标检测的结果获取每个所述图像样本中图像目标的位置和大小；根据所述图像目标的位置和大小，分别提取每个所述图像样本中相应区域处的第二图像特征，将所述第二图像特征设定为每个所述图像样本的样本特征。第二方面，提供一种图像质量评估装置，所述装置包括：特征获取模块，其被配置成获取待评估图像的图像特征以及获取预设的训练集内每个图像样本的样本特征；评估指标值获取模块，其被配置成根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值；图像质量评估模块，其被配置成根据所述质量评估指标值对所述待评估图像进行图像质量评估；其中，所述预设的训练集用于训练预设的图像目标识别模型，所述图像目标识别模型用于识别所述待评估图像中的目标，所述质量评估指标值表示所述待评估图像与所述训练集的匹配程度。在上述图像质量评估装置的一个技术方案中，所述评估指标值获取模块包括第一评估指标值获取子模块，所述第一评估指标值获取子模块包括特征概率分布模型获取单元、概率计算单元和第一评估指标值获取单元；所述特征概率分布模型获取单元被配置成使用所述样本特征对预设的概率分布模型进行训练，得到特征概率分布模型；所述概率计算单元被配置成采用所述特征概率分布模型计算所述图像特征对应的概率；所述第一评估指标值获取单元被配置成根据所述概率获取所述待评估图像的质量评估指标值；其中，所述概率与所述匹配程度成正相关关系。在上述图像质量评估装置的一个技术方案中，所述评估指标值获取模块包括第二评估指标值获取子模块，所述第二评估指标值获取子模块包括特征均值计算单元、特征距离计算单元和第二评估指标值获取单元；所述特征均值计算单元被配置成根据每个所述样本特征计算样本特征均值；所述特征距离计算单元被配置成计算所述图像特征与所述样本特征均值之间的特征距离；所述第二评估指标值获取单元被配置成根据所述特征距离获取所述待评估图像的质量评估指标值；其中，所述特征距离与所述匹配程度成负相关关系。在上述图像质量评估装置的一个技术方案中，所述第二评估指标值获取单元被进一步配置成根据所述特征距离并且按照下式所述的方法获取质量评估指标值：其中，所述Q(x)表示质量评估指标值，所述x表示图像特征与样本特征均值之间的特征距离，所述dmax表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最大特征距离，所述dmin表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最小特征距离。在上述图像质量评估装置的一个技术方案中，所述特征获取模块包括第一特征获取子模块和/或第二特征获取子模块；所述第一特征获取子模块被配置成执行以下操作：采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；获取所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测时提取到的第一图像特征，将所述第一图像特征设定为每个所述图像样本的样本特征；所述第二特征获取子模块被配置成执行以下操作：采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；根据图像目标检测的结果获取每个所述图像样本中图本文档来自技高网...

【技术保护点】
1.一种图像质量评估方法，其特征在于，所述方法包括：/n获取待评估图像的图像特征以及获取预设的训练集内每个图像样本的样本特征；/n根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值；/n根据所述质量评估指标值对所述待评估图像进行图像质量评估；/n其中，所述预设的训练集用于训练预设的图像目标识别模型，所述图像目标识别模型用于识别所述待评估图像中的目标，所述质量评估指标值表示所述待评估图像与所述训练集的匹配程度。/n

【技术特征摘要】
1.一种图像质量评估方法，其特征在于，所述方法包括：
获取待评估图像的图像特征以及获取预设的训练集内每个图像样本的样本特征；
根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值；
根据所述质量评估指标值对所述待评估图像进行图像质量评估；
其中，所述预设的训练集用于训练预设的图像目标识别模型，所述图像目标识别模型用于识别所述待评估图像中的目标，所述质量评估指标值表示所述待评估图像与所述训练集的匹配程度。


2.根据权利要求1所述的图像质量评估方法，其特征在于，“根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值”的步骤具体包括：
使用所述样本特征对预设的概率分布模型进行训练，得到特征概率分布模型；
采用所述特征概率分布模型计算所述图像特征对应的概率；
根据所述概率获取所述待评估图像的质量评估指标值；
其中，所述概率与所述匹配程度成正相关关系。


3.根据权利要求1所述的图像质量评估方法，其特征在于，“根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值”的步骤具体包括：
根据每个所述样本特征计算样本特征均值；
计算所述图像特征与所述样本特征均值之间的特征距离；
根据所述特征距离获取所述待评估图像的质量评估指标值；
其中，所述特征距离与所述匹配程度成负相关关系。


4.根据权利要求3所述的图像质量评估方法，其特征在于，“根据所述特征距离获取所述待评估图像的质量评估指标值”的步骤具体包括：
根据所述特征距离并且按照下式所述的方法获取质量评估指标值：



其中，所述Q(x)表示质量评估指标值，所述x表示图像特征与样本特征均值之间的特征距离，所述dmax表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最大特征距离，所述dmin表示根据每个所述样本特征与所述样本特征均值之间的特征距离获取到的最小特征距离。


5.根据权利要求1至4中任一项所述的图像质量评估方法，其特征在于，“获取预设的训练集内每个图像样本的样本特征”的步骤具体包括：
采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；
获取所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测时提取到的第一图像特征，将所述第一图像特征设定为每个所述图像样本的样本特征；
并且/或者，
“获取预设的训练集内每个图像样本的样本特征”的步骤具体包括：
采用所述预设的图像目标识别模型分别对每个所述图像样本进行图像目标检测；
根据图像目标检测的结果获取每个所述图像样本中图像目标的位置和大小；
根据所述图像目标的位置和大小，分别提取每个所述图像样本中相应区域处的第二图像特征，将所述第二图像特征设定为每个所述图像样本的样本特征。


6.一种图像质量评估装置，其特征在于，所述装置包括：
特征获取模块，其被配置成获取待评估图像的图像特征以及获取预设的训练集内每个图像样本的样本特征；
评估指标值获取模块，其被配置成根据所述图像特征与所述样本特征，获取所述待评估图像的质量评估指标值；
图像质量评估模块，其被配置成根据所述质量评估指标值对所述待评估图像进行图像质量评估；
其...

【专利技术属性】
技术研发人员：李远钱，
申请(专利权)人：四川云从天府人工智能科技有限公司，
类型：发明
国别省市：四川;51