图像模糊程度评估方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种图像模糊程度评估方法、装置、计算机设备及存储介质。所述方法包括：获取待评估牛脸图像；将所述待评估牛脸图像输入训练好的图像模糊预测模型，所述图像模糊预测模型利用MSCN系数计算模块计算所述待评估牛脸图像的MSCN系数，得到MSCN图像；所将所述MSCN图像输入主干网络模块，利用所述主干网络模块提取所述MSCN图像的图像特征，将所述图像特征输入模糊特征计算模块，利用所述模糊特征计算模块提取MSCN图像的模糊特征值，并将所述模糊特征值输入模糊程度计算模块，利用所述模糊程度计算模块计算所述MSCN图像的模糊程度分数值。本申请实施例提高了深度学习模型的预测准确度和泛化性，能够更好的满足牛脸图像采集中的复杂环境。集中的复杂环境。集中的复杂环境。

【技术实现步骤摘要】
图像模糊程度评估方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能
，特别是涉及一种图像模糊程度评估方法、装置、计算机设备及存储介质。

技术介绍

[0002]在现代生物识别技术中，从人脸、猪脸、牛脸等脸部提取特征从而进行差异区分技术已经得到一定程度的应用。以基于人工智能的牛脸特征提取为例，基于人工智能的牛脸特征提取大体分为两个步骤：牛脸检测和牛脸识别。而在牛脸数据采集过程中，由于相机设备、拍摄场景和拍摄技术的干扰，相机抖动和物体运动会造成拍摄图像出现模糊，进而影响后续的牛脸特征提取质量。例如，如果拍摄的牛脸图像模糊，那么后续的牛脸识别极则有可能出现错误。因此，为了避免由于图像模糊而导致的牛脸识别错误，在牛脸图像采集过程中需要评估采集图像的模糊程度并决定是否需要重新采集牛脸图像。图像的模糊程度评估过程需同时满足准确度高和计算量小两个条件。在现有技术中，多数的图像模糊程度评估方法都是采用基于梯度的评估方法，该方法对单一图片的模糊评估准确度和泛化性都难以满足牛脸图像采集中的复杂环境。

技术实现思路
/>[0003]本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像模糊程度评估方法，其特征在于，包括：获取待评估牛脸图像；将所述待评估牛脸图像输入训练好的图像模糊预测模型，所述图像模糊预测模型利用MSCN系数计算模块计算所述待评估牛脸图像的MSCN系数，得到MSCN图像；所述图像模糊预测模型还包括主干网络模块、模糊特征计算模块和模糊程度计算模块，将所述MSCN图像输入主干网络模块，利用所述主干网络模块提取所述MSCN图像的图像特征，将所述图像特征输入模糊特征计算模块，利用所述模糊特征计算模块提取MSCN图像的模糊特征值，并将所述模糊特征值输入模糊程度计算模块，利用所述模糊程度计算模块计算所述MSCN图像的模糊程度分数值。2.根据权利要求1所述的图像模糊程度评估方法，其特征在于，所述图像模糊预测模型的训练过程包括：获取设定数量的包含牛脸且模糊的牛脸图像以及包含牛脸且清晰的牛脸图像；对所述牛脸图像进行预处理；使用深度学习或人工标注的方式从所述预处理后的牛脸图像中剪裁出牛脸区域图像，并将剪裁后的牛脸区域图像按照设定比例划分为训练集和测试集；将所述训练集输入深度学习模型，所述深度学习模型利用MSCN系数计算模块计算训练集中各牛脸区域图像的MSCN系数，得到MSCN图像；将所述MSCN图像输入主干网络模块，通过主干网络模块提取并输出MSCN图像的图像特征；将提取的图像特征输入模糊特征计算模块，利用模糊特征计算模块提取MSCN图像的模糊特征值，并输出用于表征图像模糊特征的18维特征F
mscn
；将所述模糊特征值输入模糊程度计算模块，利用所述模糊程度计算模块计算MSCN图像的模糊程度分数值；利用所述18维特征F
mscn
和图像模糊程度分数值计算深度学习模型的损失函数，并对深度学习模型进行优化，直到模型收敛，得到训练好的图像模糊预测模型。3.根据权利要求2所述的图像模糊程度评估方法，其特征在于，所述对所述牛脸图像进行预处理包括：将所述牛脸图像转换为单通道灰度图像；使用双线性插值算法将转换后的牛脸图像缩放至设定大小；将缩放后的牛脸图像归一化至[0,1]之间。4.根据权利要求3所述的图像模糊程度评估方法，其特征在于，所述MSCN系数计算模块的输入图像为单通道灰度图像，假设用I(i,j)表示输入图像I在(i,j)处的像素值，，所述深度学习模型利用MSCN系数计算模块计算训练集中各牛脸区域图像的MSCN系数具体包括：计算输入图像I在(i,j)处的高斯平均值：计算输入图像I在(i,j)处的高斯方差值:
根据所述高斯平均值和高斯方差值计算输入图像I的MSCN系数：上述公式中，K表示计算高斯窗口的大小，w
k,l
表示高斯权重，k,l表示高斯窗口内的位置坐标，I
k,l
(i,j)表示图像I在(i+k,j+l)处的像素值；其中，用e表示自然对数，s表示高斯分布中的方差，所述高斯权重w
k,l
的计算公式为：5.根据权利要求4所述的图像模糊程度评估方法，其特征在于，所述图像模糊特征采用BRISQUE特征，所述BRISQUE特征包括广义高斯分布的2个估计参数和非对称广义高斯分布的16个估计参数，所述利用模糊特征计算模块提取MSCN图像的模糊特征值，并输出用于表征图像模糊特征的18维特征F
mscn
具体为：分别计算MSCN图像的方差σ和绝对值均值分别计算MSCN图像的方差σ和绝对值均值其中，E(
·
)表示求图像均值，表示的平方；求解如下方程，得到估计参数α：其中，Γ表示...

【专利技术属性】
技术研发人员：余明亮，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：