【技术实现步骤摘要】
一种基于注意力定位网络的无参考型图像质量评价方法
[0001]本专利技术属于图像处理及图像质量评价方法
，涉及一种基于注意力定位网络的无参考型图像质量评价方法。
技术介绍
[0002]随着5G时代的到来以及多媒体、图像处理以及通信技术的飞速发展，人类可以更加方便快捷的传播和获取多媒体数据。由于图像数据具有内容丰富及表达简单等特点，比文字更能直观的表达信息，因此图像作为一种信息载体具有巨大的优势。以图像作为信息载体呈现高幅度增长，并广泛应用于生活的各个方面。图像质量对人类视觉信息的获取影响很大，高质量的图像是用户所渴求的，因为高质量图像承载着较多的信息。然而，在图像的采集、编码、传输等过程中，都不可避免的会造成图像失真退化，导致图像质量的下降。
[0003]在日常生活中所获得的图像很难找到其原始图像，近年来，无参考型图像质量评价成为研究的热点。无参考型图像质量评价相较于全参考型图像质量评价缺少参考图像，因此其实现过程比全参考型存在较大困难。目前，大多数现有的方法都是采用深度学习的图像质量评价框架，文献《No
【技术保护点】
【技术特征摘要】
1.一种基于注意力定位网络的无参考型图像质量评价方法，其特征在于，具体按照以下步骤实施：步骤1、将质量评价数据库中的训练图像输入到VGG网络中，提取图像的全局深度特征；步骤2、在步骤1中的VGG网络的最后一层添加注意力定位网络，经过注意力定位网络获取所关注区域的位置坐标；步骤3、利用步骤2获取的位置坐标对原始图像进行裁剪与放大，获取注意力关注图像；步骤4、将步骤3获取的注意力关注图像输入到与步骤1相同的VGG网络中，提取图像的局部深度特征；步骤5、将步骤1提取图像的全局深度特征与步骤4获得的图像局部深度特征进行融合；步骤6、将步骤5融合后的特征与主观MOS值进行回归训练，建立图像质量评价模型；步骤7、将待测失真图像输入到经步骤6建立好的图像质量评价模型中，根据训练好的参数提取图像特征，获得图像质量分数。2.根据权利要求1所述的一种基于注意力定位网络的无参考型图像质量评价方法，其特征在于，所述步骤1具体是通过预训练初始化网络参数，将预处理后的质量评价数据库中图像输入到VGG网络中，选取VGG16网络作为提取图像全局深度特征的网络，其中，包含13个卷积层，5个池化层，卷积层中，卷积核的大小为3*3，步幅为1；通过卷积层不会改变前一层特征图的长和宽，实现通道数的增加；池化层分布在卷积层之后，选取最大池化对提取的特征图进行处理，最大池化核的尺寸为2*2，每次移动两个步长；通过最大池化层降低特征图的尺寸，经过特征提取网络，最终提取的特征大小为7*7*512；提取图像特征的计算方法如下：F(X)＝f(W
c
*X)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中：X表示输入图像，W
C
表示整体参数，f(
·
)表示对图像提取深度特征。3.根据权利要求2所述的一种基于注意力定位网络的无参考型图像质量评价方法，其特征在于，所述步骤2具体按照以下步骤实施：利用在卷积层添加的注意力定位网络获取图像中受关注的区域，首先生成正方形方框，依据步骤1中生成特征图找出具有最高响应值的位置，并利用正方形方框在原始图像中框出受关注区域，获得受关注区域既正方形方框的坐标信息，计算方法如下，[t
x
,t
y
,t
l
]＝g(W
c
*X)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中：t
x
为受关注区域中心位置的横坐标，t
y
为受关注区域中心位置的纵坐标，t
l
为正方形方框边长的二分之一，X表示输入图像，W
C
表示整体参数，g(
·
)由两个堆叠的全连接层表示来获取关注区域的三个参数。4.根据权利要求3所述的一种基于注意力定位网络的无参考型图像质量评价方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤3.1，根据步骤2获取的受关注区域的三个位置参数，获取受关注区域更加精确的位置信息；假设原始图像中的左上角是坐标系的原点，其x轴和y轴分别代表从左到右和从上到下，利用位置参数进一步计算受关注区域左上角与右下角的位置坐标，其计算公式如下：t
x(up)
＝t
x
‑
t
l
,t
y(up)
＝t
y
‑
t
l
t
x(down)
＝t
x
+t
l
,t
y(down)
＝t
y
+t
l
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
式(3)中：t
x(up)
为受关注区域左上角的横坐标，t
y(up)
为受关注区域左上角的纵坐标，t
x(down)
为受关注区域右下角的横坐标，t
y(down)
为受关注区域右下角的纵坐标；步骤3.2，利用步...
【专利技术属性】
技术研发人员：郑元林，刘春霞，廖开阳，丁天淇，陈兵，黄港，谢雨林，张新会，钟崇军，解博，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
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。