图像质量评估方法、系统、电子设备及可读存储介质技术方案

本申请提供了一种图像质量评估方法、系统、电子设备及可读存储介质，该评估方法包括：计算图像训练样本的参数差值；对图像训练样本进行人为主观差异评分，获得训练样本的人为评分；根据图像训练样本的参数差值与训练样本的人为评分绘制散点坐标图；根据散点坐标图，将图像训练样本划分为多个不同的区域块，将每个区域块的数据输入至卷积神经网络进行训练拟合，对应得到多个训练好的质量评估模型。本申请利用传统算法与卷积神经网络相结合的方式，以传统算法计算的参数差值将需要训练的数据划分为不同区域后给到多个卷积神经网络去训练，由于传统算法计算的参数差值已经比较符合人为的主观评价，因此训练出来的神经网络准确度会相对较高。度会相对较高。度会相对较高。

【技术实现步骤摘要】
图像质量评估方法、系统、电子设备及可读存储介质


[0001]本申请涉及图像质量评估
，特别是涉及一种图像质量评估方法、系统、电子设备及可读存储介质。

技术介绍

[0002]图像质量的评估一般涉及到图像噪声和图像清晰度等方面的评估，目前准确率比较高的方法大多使用的是机器学习中的卷积神经网络，首先通过专业人员对不同场景的图像进行主观的评估，比如划分为10等级评分，然后针对这些评估好的图像采用卷积神经网络进行训练拟合，得出训练好的图像噪声或锐度评估模型，最后通过该图像噪声或锐度评估模型预测新图像的噪声或锐度等级。
[0003]现有的卷积神经网络的评估方法主要有如下两个缺点：一是需要大量的人为的主观评估样本，这部分人为的工作量很大，如果不是常见的场景，得需要自行去对图像进行评级；二是当数据量不是很大的时候，卷积神经网络的评估方法的准确率也会有所下降。

技术实现思路

[0004]鉴于现有技术中的上述缺陷或不足，期望提供一种图像质量评估方法、系统、电子设备及可读存储介质。
[0005]第一方面，本申请实施例提供一种图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量评估方法，其特征在于，包括：计算图像训练样本的参数差值；对图像训练样本进行人为主观差异评分，获得训练样本的人为评分；根据所述图像训练样本的参数差值与所述训练样本的人为评分绘制散点坐标图；根据所述散点坐标图，将图像训练样本划分为多个不同的区域块；将每个区域块的数据输入至卷积神经网络进行训练拟合，对应得到多个训练好的质量评估模型。2.根据权利要求1所述的图像质量评估方法，其特征在于，所述将图像训练样本划分为多个不同的区域块具体包括：以图像训练样本的参数差值大小将图像训练样本划分为多个不同的区域块，相邻区域块的图像训练样本的参数差值可存在交叉区域，每个区域块的人为评分不覆盖全部评分值，每个区域块的参数差值需剔除与主观评分不一致的图像训练样本数据。3.根据权利要求1所述的图像质量评估方法，其特征在于，所述图像训练样本包括测试图像和对比图像，所述对比图像为标准参考图像；所述图像训练样本的参数差值包括图像的噪声差值和/或图像的锐度差值。4.根据权利要求3所述的图像质量评估方法，其特征在于，所述图像的噪声差值的计算方法包括：分别计算所述测试图像和对比图像的噪声值；对所述测试图像的噪声值与所述对比图像的噪声值进行做差运算，即得图像的噪声差值。5.根据权利要求3所述的图像质量评估方法，其特征在于，所述图像的锐度差值的计算方法包括：分别计算所述测试图像和对比图像的锐度值；对所述测试图像的锐度值与所述对比图像的锐度值进行做差运算，即得图像的锐度差值。6.根据权利要求3所述的...

【专利技术属性】
技术研发人员：王辉，
申请(专利权)人：上海闻泰信息技术有限公司，
类型：发明
国别省市：