图像模糊度评估方法、装置、计算机设备及介质制造方法及图纸

本发明专利技术涉及图像识别技术领域，尤其涉及一种图像模糊度评估方法、装置、计算机设备及介质。该方法中获取的图像数据集包括至少一个待评估图像；通过模糊判定模型中的骨干网络对所有待评估图像进行特征提取，得到评估图像特征；通过模糊判定模型中的带边界距离法对所有评估图像特征进行图像评估，得到图像评估值；根据所有图像评估值对待评估图像进行筛选，得到目标图像。本发明专利技术中的骨干网络是基于倒残差网络结构构建的，实现了对待评估图像中更多特征的提取，丰富了评估图像特征。且通过带边界距离法对评估图像特征进行图像评估，实现了对图像评估值的确定，进而实现了对待评估图像模糊程度的精准判断，提高了模糊判定模型的准确率。率。率。

【技术实现步骤摘要】
图像模糊度评估方法、装置、计算机设备及介质


[0001]本专利技术涉及图像识别
，尤其涉及一种图像模糊度评估方法、装置、计算机设备及介质。

技术介绍

[0002]随着图像识别技术飞速发展，基于数据、模型以及损失函数的各种算法应运而生。然而，在某些特定的应用场景下，比如在人脸识别算法中，输入的数据是影响算法性能的最重要因素之一，输入图像的质量优劣对模型性能有较大的影响。或者在一些归档任务中，抓拍过程中会出现一些质量较差的图像数据，也需要排除模糊的图像数据，提升归档数据的性能。
[0003]而传统的基于梯度函数的模糊判断算法对于不同模糊程度的人脸图像判断准确度不高。该方法能有效识别出大多数模糊程度比较高的图像，但是在对那些模糊程度不是很高的图像进行判断时，就极易出现判断错误，比如会把有些轻微模糊的图像判断为清晰图像，即图像模糊程度的评估准确率较低，从而在图像筛选时导致归档数据的性能降低。
[0004]因此如何提高图像模糊度的评估准确率成为了亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种图像模糊度评估方法、装置、计算机设备及介质，以解决图像模糊度评估准确率较低的问题。
[0006]第一方面，本专利技术实施例提供一种图像模糊度评估方法，所述图像模糊度评估方法包括：
[0007]获取图像数据集，所述图像数据集包括至少一个待评估图像；
[0008]获取模糊判定模型，通过所述模糊判定模型中的骨干网络对所有所述待评估图像进行特征提取，得到与所述待评估图像对应的评估图像特征；所述骨干网络是基于倒残差结构构建；
[0009]通过所述模糊判定模型中的带边界距离法对所有所述评估图像特征进行图像评估，得到与所述待评估图像对应的图像评估值；
[0010]根据所有所述图像评估值对所述待评估图像进行筛选，得到目标图像。
[0011]第二方面，本专利技术实施例提供一种图像模糊度评估装置，所述图像模糊度评估装置包括：
[0012]数据获取模块，用于获取图像数据集，所述图像数据集包括至少一个待评估图像；
[0013]特征提取模块，用于获取模糊判定模型，通过所述模糊判定模型中的骨干网络对所有所述待评估图像进行特征提取，得到与所述待评估图像对应的评估图像特征；所述骨干网络是基于倒残差结构构建；
[0014]图像评估模块，用于通过所述模糊判定模型中的带边界距离法对所有所述评估图像特征进行图像评估，得到与所述待评估图像对应的图像评估值；
[0015]图像筛选模块，用于根据所有所述图像评估值对所述待评估图像进行筛选，得到目标图像。
[0016]第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的图像模糊度评估方法。
[0017]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的图像模糊度评估方法。
[0018]本专利技术实施例与现有技术相比存在的有益效果是：
[0019]获取图像数据集，图像数据集包括至少一个待评估图像；获取模糊判定模型，通过模糊判定模型中的骨干网络对所有待评估图像进行特征提取，得到与待评估图像对应的评估图像特征；骨干网络是基于倒残差结构构建；通过模糊判定模型中的带边界距离法对所有评估图像特征进行图像评估，得到与待评估图像对应的图像评估值；根据所有图像评估值对所述待评估图像进行筛选，得到目标图像。本专利技术模糊判定模型中的骨干网络是基于倒残差网络结构构建的，从而实现了对待评估图像中更多图像特征的提取，丰富了评估图像特征。且通过带边界距离法对评估图像特征进行图像评估，实现了对图像评估值的确定，提高了模糊判定模型的准确率，进而实现了对待评估图像模糊程度的精准判断，减少了非目标图像的影响，提高了目标图像筛选的准确率。进一步地，在模糊判定模型训练中，通过退化模型中的预设退化方式对初始图像进行退化处理，从而实现了对实际情况中各种模糊图像的模拟，进而确保了模糊判定模型可以对各种模糊图像的模糊程度进行准确评估。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，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。
[0021]图1是本专利技术实施例一提供的一种图像模糊度评估方法的流程示意图；
[0022]图2是本专利技术实施例二提供的一种图像模糊度评估方法的流程示意图；
[0023]图3是本专利技术实施例三提供的一种图像模糊度评估装置的结构示意图；
[0024]图4是本专利技术实施例四提供的一种计算机设备的结构示意图。
具体实施方式
[0025]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0026]应当理解，当在本专利技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027]还应当理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0028]如在本专利技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0029]另外，在本专利技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0030]在本专利技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本专利技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0031]为了说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像模糊度评估方法，其特征在于，所述图像模糊度评估方法包括：获取图像数据集，所述图像数据集包括至少一个待评估图像；获取模糊判定模型，通过所述模糊判定模型中的骨干网络对所有所述待评估图像进行特征提取，得到与所述待评估图像对应的评估图像特征；所述骨干网络是基于倒残差结构构建；通过所述模糊判定模型中的带边界距离法对所有所述评估图像特征进行图像评估，得到与所述待评估图像对应的图像评估值；根据所有所述图像评估值对所述待评估图像进行筛选，得到目标图像。2.根据权利要求1所述的图像模糊度评估方法，其特征在于，所述通过所述模糊判定模型中的骨干网络对所有所述待评估图像进行特征提取，得到与所述待评估图像对应的评估图像特征，包括：通过所述骨干网络中的扩展层对所述待评估图像进行升维处理，得到高维图像特征；通过所述骨干网络中的卷积层对所述高维图像特征进行深度卷积处理，得到卷积图像特征；通过所述骨干网络中的投影层对所述卷积图像特征进行降维处理，得到评估图像特征。3.根据权利要求1所述的图像模糊度评估方法，其特征在于，所述通过所述模糊判定模型中的带边界距离法对所有所述评估图像特征进行图像评估，得到与所述待评估图像对应的图像评估值，包括：对所述待评估图像进行模糊判断，得到所述待评估图像的图像模糊等级；通过所述模糊判定模型中带边界距离法以及所述待评估图像的图像模糊等级对所有所述评估图像特征进行图像评估，得到与所述待评估图像对应的图像评估值。4.根据权利要求1所述的图像模糊度评估方法，其特征在于，在所述获取模糊判定模型之前，包括：获取样本训练数据集，所述样本训练数据集包括至少一张样本图像以及与所述样本图像对应的样本等级标签，所述样本等级标签是表征所述样本图像的模糊等级；获取预设训练模型，通过所述预设训练模型的骨干网络对所述样本图像进行特征提取，得到与各所述样本图像对应的样本图像特征；通过所述预设训练模型的分类模块对所述样本图像特征进行等级分类，得到预测模糊等级；通过所述预设训练模型的排序模块对所述样本图像特征进行评估排序，得到预测排序值；根据与同一所述样本图像对应的所述样本等级标签、所述预测模糊等级以及所述预测排序值，确定所述预设训练模型的预测损失值；在所述预测损失值达到收敛条件时，将收敛之后的所述预设训练模型确定为模糊判定模型。5.根据权利要求4所述的图像模糊度评估方法，其特征在于，所述获取样本训练数据集之前，包括：获取至少一张初始图像；
对所述初始图像进行调整处理，得到调整图...

【专利技术属性】
技术研发人员：李帅杰，魏新明，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：