基于梯度纹理显著性的多任务水下图像的质量评价方法技术

本发明专利技术公开了一种基于梯度纹理显著性的多任务水下图像的质量评价方法，包括采集水下图像数据集，利用软件标注失真类型标签和质量分数标签；利用sobel算子提取图像的梯度图；利用卷积神经网络对原图和梯度图进行特征提取，对失真类型预测子网络和质量分数回归子网络进行训练、验证和测试，生成失真类型预测模型和质量分数预测模型；利用水下图像质量评估模型对水下图像进行质量评估。本发明专利技术对水下图像的质量分数进行回归，既能判断水下图像的失真类型，方便选择增强算法，还以真实类型作为质量回归的指导，提高了水下图像质量评估模型的质量预测精度，能更全面地对水下图像进行评价，提高了水下图像增强系统的运行效率。提高了水下图像增强系统的运行效率。提高了水下图像增强系统的运行效率。

【技术实现步骤摘要】
基于梯度纹理显著性的多任务水下图像的质量评价方法


[0001]本专利技术涉及计算机视觉
，具体地涉及一种基于梯度纹理显著性的多任务水下图像的质量评价方法。

技术介绍

[0002]水下图像增强系统是水下目标识别系统中的重要组成部分，基于光学图像的水下目标识别系统由于水下图像采集的环境较为复杂，存在光线衰减，光线散射，运动等因素的影响，导致采集的水下图像中很多存在很多低质量的图像，在水下目标识别系统中低质量的水下图像会大大降低整个水下目标识别系统的识别准确度，所以在水下图像增强系统中会加入水下质量估计模块，对水下图像质量进行估计，筛选出质量好的水下图像用于后期的特征提取等模块，来提高整个水下图像目标识别系统的识别准确率。现有的水下图像质量评估方法水下图像质量评价方法UIQM(underwater image quality measure)和水下色彩质量评价方法UCIQE(underwater color image quality evaluation)，主要是手工设计多个测量分量并以加权平均方式进行组合的方法。水下图像的退化类型较多(颜色本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度纹理显著性的多任务水下图像的质量评价方法，其特征在于，包括以下步骤：采集水下图像数据集，包括失真程度不同的色差失真图像、模糊图像和噪声图像；对水下图像数据集进行标注，包括失真类型的分类和质量分数的评估；对标注后的图像数据集进行预处理、获得水下图像质量评估数据集；采用sobel算子计算水下图像质量评估数据集的图像梯度获取对应的梯度图；建立基于深度学习网络模型，将水下图像质量评估数据集的训练集和验证集输入至网络模型中进行训练得到完成完成训练的网络模型，再将水下图像质量评估数据集的测试集输入至完成训练的网络模型中获得图像的失真类型和质量评价分数。2.根据权利要求1所述的方法，其特征在于：对深度学习网络模型进行训练时：利用该网络模型对水下图像质量评估数据集里的水下图像和对应的梯度图进行特征提取，对水下图像和对应的梯度图进行归一化处理，将二者融合为多通道特征图并进行特征提取得到特征图；在特征提取网络的基础上，建立失真类型分类子网络和质量分数预测子网络，利用训练集、验证集和测试集分别对失真类型分类子网络和质量分数预测子网络进行训练、验证和测试，生成失真类型预测模型和质量分数预测模型；失真类型分类子网络首先将提取到的特征图进行平均池化，再将特征图输入到两个全连接层中，输出三维概率向量并采用sigmoid函数将范围编码为[0,1]，其中三维概率向量表示输入的第k张图像的失真类型概率；质量分数预测子网...

【专利技术属性】
技术研发人员：刘彦呈，王帅，刘厶源，朱鹏莅，陈瀚，郭筠，马匡旗，马欢，张勤进，郭昊昊，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：