一种图像质量评价方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种图像质量评价方法、装置、电子设备及存储介质，其中，所述方法包括：构建量子分类器；将多个待评价图像对应的主观评价值输入所述量子分类器，利用所述量子分类器确定所述多个待评价图像中图像质量满足第一条件的目标图像。本申请能够利用量子神经网络生成的量子分类器对图像主观评价值进行分类，从多幅图像中筛选出质量最优的图像。从多幅图像中筛选出质量最优的图像。从多幅图像中筛选出质量最优的图像。

【技术实现步骤摘要】
一种图像质量评价方法、装置、电子设备及存储介质


[0001]本申请实施例涉及计算机
，尤其涉及一种图像质量评价方法、装置、电子设备及存储介质。

技术介绍

[0002]数字图像信息作为从客观世界获取数据信息的方法之一，具有信息量丰富且直观易懂的优点，是人们获取知识的重要信息来源。随着计算机系统的快速发展，人们对数字图像处理技术的积累不断成熟，图像的传输更为频繁，随之而来的是，在对各种图像进行传输或存储的过程中会出现信息的丢失，图像质量出现下降，因此，如何进行最优质量图像的判别成为一个难题。

技术实现思路

[0003]为解决上述技术问题，本申请实施例提供了一种一种图像质量评价方法、装置、电子设备及存储介质。
[0004]第一方面，本申请实施例提供了一种图像质量评价方法，所述方法包括：
[0005]构建量子分类器；
[0006]将多个待评价图像对应的主观评价值输入所述量子分类器，利用所述量子分类器确定所述多个待评价图像中图像质量满足第一条件的目标图像；
[0007]其中，针对所述多个待评价图像中的每个待评价图像，该待评价图像对应的主观评价值基于至少一个图像观测者对该待评价图像的图像质量评分得到。
[0008]本申请一可选实施方式中，所述构建量子分类器，包括：
[0009]获取图像数据集，将所述图像数据集中包括的各图像数据编码为对应的第一量子数据；
[0010]利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器。
[0011]本申请一可选实施方式中，所述利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器，包括：
[0012]将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；
[0013]利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；
[0014]对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；
[0015]基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数；
[0016]确定所述损失函数是否满足第二条件；在所述损失函数不满足所述第二条件的情况下，重复执行如下步骤，直至所述损失函数满足所述第二条件：
[0017]将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；
[0018]利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；
[0019]对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；
[0020]基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数。
[0021]本申请一可选实施方式中，所述利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器，还包括：
[0022]在所述损失函数满足第二条件的情况下，将所述损失函数对应的所述初始量子神经网络的参数确定为目标参数，并基于所述目标参数得到所述量子分类器。
[0023]本申请一可选实施方式中，所述图像数据集中的各图像数据为N维数据，N为大于等于1的整数；所述将所述图像数据集中包括的各图像数据编码为对应的第一量子数据，包括：
[0024]将所述图像数据集中的各图像数据设置为预设形式的图像数据；基于所述各图像数据对应的预设形式的图像数据确定初始状态的量子态数据；
[0025]基于所述各图像数据对应的预设形式的图像数据，将所述各图像数据编码为量子门形式并作用在所述初始状态的量子态数据上，得到所述各图像数据对应的第一量子数据。
[0026]本申请一可选实施方式中，所述利用所述量子分类器确定所述多个待评价图像中图像质量满足第一条件的目标图像，包括：
[0027]利用所述量子分类器产生的决策边界确定所述多个待评价图像中的各待评价图像在所述决策边界中所处的区域，将位于所述决策边界的中心区域的主观评价值对应的待评价图像确定为所述多个待评价图像中图像质量满足第一条件的目标图像。
[0028]第二方面，本申请实施例提供了一种图像质量评价装置，所述装置包括：
[0029]构建单元，用于构建量子分类器；
[0030]确定单元，用于将多个待评价图像对应的主观评价值输入所述量子分类器，利用所述量子分类器确定所述多个待评价图像中图像质量满足第一条件的目标图像；
[0031]其中，针对所述多个待评价图像中的每个待评价图像，该待评价图像对应的主观评价值基于至少一个图像观测者对该待评价图像的图像质量评分得到。
[0032]本申请一可选实施方式中，所述构建单元，具体用于：获取图像数据集，将所述图像数据集中包括的各图像数据编码为对应的第一量子数据；利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器。
[0033]本申请一可选实施方式中，所述构建单元，具体用于：将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数；确定所述损失函数是否满足第二条件；在所述损失函数不满足所述第二条件的情况下，重复执行如下步骤，直至所述损失函数满足所述
第二条件：将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数。
[0034]本申请一可选实施方式中，所述构建单元，还具体用于：在所述损失函数满足第二条件的情况下，将所述损失函数对应的所述初始量子神经网络的参数确定为目标参数，并基于所述目标参数得到所述量子分类器。
[0035]本申请一可选实施方式中，所述图像数据集中的各图像数据为N维数据，N为大于等于1的整数；所述构建单元，具体用于：将所述图像数据集中的各图像数据设置为预设形式的图像数据；基于所述各图像数据对应的预设形式的图像数据确定初始状态的量子态数据；基于所述各图像数据对应的预设形式的图像数据，将所述各图像数据编码为量子门形式并作用在所述初始状态的量子态数据上，得到所述各图像数据对应的第一量子数据。
[0036]本申请一可选实施方式中，所述确定单元，具体用于：利用所述量子分类器产生的决策边界确定所述多个待评价图像中的各待评价图像在所述决策边界中所处的区域，将位于所述决策边界的中心区域的主观评价值对应的待评价图像确定为所述多个待评价图像中图像质量满足第一条件的目标图像。
[0037]第三方面，本申请实施例提供了一种电子设备，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量评价方法，其特征在于，所述方法包括：构建量子分类器；将多个待评价图像对应的主观评价值输入所述量子分类器，利用所述量子分类器确定所述多个待评价图像中图像质量满足第一条件的目标图像；其中，针对所述多个待评价图像中的每个待评价图像，该待评价图像对应的主观评价值基于至少一个图像观测者对该待评价图像的图像质量评分得到。2.根据权利要求1所述的方法，其特征在于，所述构建量子分类器，包括：获取图像数据集，将所述图像数据集中包括的各图像数据编码为对应的第一量子数据；利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器。3.根据权利要求2所述的方法，其特征在于，所述利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器，包括：将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数；确定所述损失函数是否满足第二条件；在所述损失函数不满足所述第二条件的情况下，重复执行如下步骤，直至所述损失函数满足所述第二条件：将所述各图像数据对应的第一量子数据输入至初始量子神经网络，得到第二量子数据；利用预设测量方法测量所述第二量子数据，得到所述第二量子数据对应的第一测量数据；对所述第一测量数据进行偏置处理得到位于预设映射区间的第二测量数据；基于所述第二测量数据以及所述第一量子数据确定所述初始量子神经网络的损失函数。4.根据权利要求3所述的方法，其特征在于，所述利用所述各图像数据对应的第一量子数据训练初始量子神经网络，得到量子分类器，还包括：在所述损失函数满足第二条件的情况下，将所述损失函数对应的所述初始量子神经网络的参数确定为目标参数，并基于所述目标参数得到所述量子分类器。5.根据权利要求2至4中任一项所述的方法，其特征在于，所述图像数据集...

【专利技术属性】
技术研发人员：黄智国，钱岭，蔡敦波，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：