一种图像清晰度识别方法、装置、设备及介质制造方法及图纸

本公开实施例涉及一种图像清晰度识别方法、装置、设备及介质，其中该方法包括：获取待识别图像；将待识别图像分别输入第一编码器和第二编码器中，确定第一图像特征和第二图像特征；基于第一图像特征和第二图像特征确定目标特征，并将目标特征输入清晰度识别模型，确定待识别图像的清晰度级别；其中，清晰度级别的数量为至少两个。采用上述技术方案，通过离散分类的清晰度识别模型可以对图像清晰度进行识别，不需要对比图像可以直接进行图像清晰度的识别，将连续数值计算问题转换为离散分类问题，使结果鲁棒性更高，更加贴合实际的应用需求。求。求。

【技术实现步骤摘要】
一种图像清晰度识别方法、装置、设备及介质


[0001]本公开涉及图像处理
，尤其涉及一种图像清晰度识别方 法、装置、设备及介质。

技术介绍

[0002]随着图像处理技术的不断发展，图像清晰度识别逐渐成为很多场 景中必不可少的环节，例如在拍照判题的应用中，由于使用者拍照上 传时，手机抖动等原因，非常容易出现聚焦问题，导致上传图像比较 模糊，需要通过对图像进行清晰度识别。
[0003]目前对图像清晰度进行识别可以采用基于误差和基于感知等方 法，但是上述识别方式均需要一个基准图像，在一定程度上线限制了 其应用范围，并且当图像太模糊时无法处理，降低了图像清晰度识别 的效率。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公 开提供了一种图像清晰度识别方法、装置、设备及介质。
[0005]本公开实施例提供了一种图像清晰度识别方法，所述方法包括：
[0006]获取待识别图像；
[0007]将所述待识别图像分别输入第一编码器和第二编码器中，确定第 一图像特征和第二图像特征；
[0008]基于所述第一图像特征和所述第二图像特征确定目标特征，并将 所述目标特征输入清晰度识别模型，确定所述待识别图像的清晰度级 别；其中，所述清晰度级别的数量为至少两个。
[0009]本公开实施例还提供了一种图像清晰度识别装置，所述装置包括：
[0010]图像获取模块，用于获取待识别图像；
[0011]特征模块，用于将所述待识别图像分别输入第一编码器和第二编 码器中，确定第一图像特征和第二图像特征；
[0012]清晰度识别模块，用于基于所述第一图像特征和所述第二图像特 征确定目标特征，并将所述目标特征输入清晰度识别模型，确定所述 待识别图像的清晰度级别；其中，所述清晰度级别的数量为至少两个。
[0013]本公开实施例还提供了一种电子设备，所述电子设备包括：处理 器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从 所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开 实施例提供的图像清晰度识别方法。
[0014]本公开实施例还提供了一种计算机可读存储介质，所述存储介质 存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的 图像清晰度识别方法。
[0015]本公开实施例提供的技术方案与现有技术相比具有如下优点：本 公开实施例提供的图像清晰度识别方案，获取待识别图像；将待识别 图像分别输入第一编码器和第二编
码器中，确定第一图像特征和第二 图像特征；基于第一图像特征和第二图像特征确定目标特征，并将目 标特征输入清晰度识别模型，确定待识别图像的清晰度级别；其中， 清晰度级别的数量为至少两个。采用上述技术方案，通过离散分类的 清晰度识别模型可以对图像清晰度进行识别，不需要对比图像可以直 接进行图像清晰度的识别，将连续数值计算问题转换为离散分类问题， 使结果鲁棒性更高，更加贴合实际的应用需求。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符 合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0017]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面 将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而 易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前 提下，还可以根据这些附图获得其他的附图。
[0018]图1为本公开实施例提供的一种图像清晰度识别方法的流程示意 图；
[0019]图2为本公开实施例提供的一种变分自编码器模型的示意图；
[0020]图3为本公开实施例提供的另一种图像清晰度识别方法的流程示 意图；
[0021]图4为本公开实施例提供的一种图像清晰度识别的示意图；
[0022]图5为本公开实施例提供的一种图像清晰度识别装置的结构示意 图；
[0023]图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0024]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将 对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下， 本公开的实施例及实施例中的特征可以相互组合。
[0025]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但 本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书 中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0026]目前对图像清晰度进行识别可以采用基于误差和基于感知两种方 式。基于误差的方法具有代表性的是峰值信噪比(Peak signal
‑
to
‑
noiseRatio，PSNR)，其数学表达式如和 上式中y表示真实标签信息，表示模型输出，两者均是m维向量，n表示样本数量，MaxValue表示 像素值中最大值，bits表示每个像素值由多少个bit位表示。PSNR值 高于40说明图像质量极好，在30至40之间表示图像质量不错，在20 至30之间说明图像质量较差，低于20说明图像质量极差。基于感知 的方法会考虑图像的空间结构和语义特征等信息，在更高层次上考虑 图像质量，代表方法有结构相似性(Structual Similarity，SSIM)，其数 学表达式如式学表达式如式和SSIM(x，
y)＝[l(x，y)]α
·
[c(x，y)]β
·
[s(x，y)]γ
，上 式中，x和y分别表示两幅图像，μ_x和μ_y分别表示x和y的平均值， σ_x，σ_y和σ_xy分别表示x和y的方差以及两者的协方差，c_1，c_2 和c_3都是常数，一般均取1，α、β和γ一般也取1。
[0027]上述图像清晰度评估方法虽然评测效果不错，但是其存在一个较 大的问题，就是必须要有一个基准图像，然后两张图像进行计算，得 出最终的评测值，这在一定程度上限制了其应用范围。在拍照判题等 应用中，由于使用者拍照上传时，手机抖动等原因，非常容易出现聚 焦问题，导致上传图像(这些图像都是密集文本图像)比较模糊。因 为常规的文本检测和识别模型无法处理模糊图像，那么就需要用户重 新上传，更为重要的是，常规的文本检测和识别模型无法判断能否处 理这张图像，会将所有流程都进行一遍，在用户经过等待后，依然无 法返回结果，这将极大的影响用户体验，更有甚者，可能会引起程序 崩溃。为了解决上述问题，本公开实施例提供了一种图像清晰度识别 方法，下面结合具体的实施例对该方法进行介绍。
[0028]图1为本公开实施例提供的一种图像清晰度识别方法的流程示意 图，该方法可以由图像清晰度识别装置执行，其中该装置可以采用软 件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包 括：
[0029]步骤101、获取待识别图像。
[0030]其中，待识别图像是指任意一个需要进行清晰度识别的图像。本 公开实施例对待识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像清晰度识别方法，其特征在于，包括：获取待识别图像；将所述待识别图像分别输入第一编码器和第二编码器中，确定第一图像特征和第二图像特征；基于所述第一图像特征和所述第二图像特征确定目标特征，并将所述目标特征输入清晰度识别模型，确定所述待识别图像的清晰度级别；其中，所述清晰度级别的数量为至少两个。2.根据权利要求1所述的方法，其特征在于，所述获取待识别图像之前，还包括：基于已标注清晰度级别的样本图像，通过训练得到所述第一编码器对应的模糊变分自编码器模型、所述第二编码器对应的清晰变分自编码器模型以及所述清晰度识别模型。3.根据权利要求2所述的方法，其特征在于，所述样本图像包括表征从模糊到清晰的不同清晰度级别的图像，所述模糊变分自编码器模型的输入和输出均为表征模糊的样本图像，所述清晰变分自编码器模型的输入为表征模糊的样本图像，输出为表征清晰的样本图像。4.根据权利要求2所述的方法，其特征在于，所述模糊变分自编码器模型和所述清晰变分自编码器模型的损失函数为感受野损失函数和L1损失函数。5.根据权利要求2所述的方法，其特征在于，基于已标注清晰度级别的样本图像，通过训练得到所述清晰度识别模型，包括：将基于所述样本图像确定的样本特征作为输入，所述样本图像的清晰度级别作为输出，对基础神经网络进行训练，得到所述清晰度识别模型；其中，所示样本特征通过...

【专利技术属性】
技术研发人员：张蓓蓓，秦勇，
申请(专利权)人：北京世纪好未来教育科技有限公司，
类型：发明
国别省市：