【技术实现步骤摘要】
本申请涉及计算机视觉和图像处理，特别是涉及一种多尺度深度特征统计的盲图像质量评价方法、系统和存储介质。
技术介绍
1、图像质量评估(image quality assessment，iqa)是计算机视觉领域的一个重要研究课题，广泛应用于图像压缩、图像超分辨率和图像重建等高级视觉任务中。由于大多数计算机视觉任务的最终接收者是人类，因此从主观质量评估实验中获得的图像质量分数具有很高的可信度。然而，进行这样的实验既昂贵又耗时。因此，过去半个世纪提出了许多图像质量评估模型，旨在预测与人类视觉系统高度一致的图像质量。根据参考图像的可用性，现有的iqa模型可分为三类：全参考模型、半参考模型和无参考模型，其中无参考模型也称为blind iqa(biqa)。
2、近年来无参考图像质量评估(biqa)在图像分析和质量评估领域的重要性日益突出。biqa方法按照模型是否依赖于人类给出的主观分数进行训练可分为意见感知模型(oa-biqa)和意见无感知模型(ou-biqa)。目前，大多数研究都集中在oa-biqa模型上，这需要使用人工标注的数据集进行...
【技术保护点】
1.一种多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述多尺度输出的卷积神经网络包括五层输出，所述分别将待测图像以及目标图像训练集输入多尺度输出的卷积神经网络，得到所述待测图像的第一特征图集以及所述目标图像训练集的第二特征图集包括：
3.根据权利要求2所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述对前三层输出的特征图进行下采样，输出得到所述待测图像的第一特征图集包括：
4.根据权利要求1所述的多尺度深度特征统计的盲图像...
【技术特征摘要】
1.一种多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述多尺度输出的卷积神经网络包括五层输出，所述分别将待测图像以及目标图像训练集输入多尺度输出的卷积神经网络，得到所述待测图像的第一特征图集以及所述目标图像训练集的第二特征图集包括：
3.根据权利要求2所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述对前三层输出的特征图进行下采样，输出得到所述待测图像的第一特征图集包括：
4.根据权利要求1所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述分别对所述第一特征图集以及所述第二特征图集进行统计分析，得到所述待测图像的第一特征向量以及所述目标图像训练集的第二特征向量集包括：
5.根据权利要求4所述的多尺度深度特征统计的盲图像质量评价方法，其特征在于，所述基于各所述第一特征图的局部均值和标准差，确定所述待测图像的第...
【专利技术属性】
技术研发人员：丁科炎，倪张凯，刘越，
申请(专利权)人：浙江大学杭州国际科创中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。