一种基于多特征多重组合的图像质量评价方法技术

本发明专利技术公开了一种基于多特征多重组合的图像质量评价方法，包括以下步骤：特征提取主干网络、特征多重组合选择、多层感知机（Multilayer Perceptron，MLP）回归预测模型。本发明专利技术通过设置特征提取主干网络、特征多重组合选择和MLP回归预测模型，在对图像进行特征提取之前，首先对图像进行归一化预处理，有助于减少模型的训练时间并提高模型预测的准确性，同时使用ResNet‑50作为语义特征提取的主干网络，并且使用在ImageNet上预训练的权重，为了表示整体图像更加完整的信息，捕获图像的局部失真，进一步利用ResNet‑50网络对图像进行特征提取时，同步去提取图像整体从低级语义到高级语义特征，并保证其系统最终对整体图像质量预测的准确程度，确保其最终图像评价处理的效果。

【技术实现步骤摘要】

本专利技术涉及图像质量评价，更具体地说，本专利技术为一种基于多特征多重组合的图像质量评价方法。

技术介绍

1、图像质量是指人们对图像视觉感受的评价，对于图像处理系统而言，其信息的主体是图像，衡量这个系统的主要指标就是图像质量，图像质量评价主要分为：全参考图像质量评价、无参考图像质量评价、精简参考图像质量评价，其中尤其涉及到对无参考图像质量评价方法，该方法是一种基于图像本身的特征和人类感知的标准来设计的算法，从而评估符合人类感知的图像质量，且不需要使用高质量的参考图像作为评估的标准。

2、目前的图像质量评价方法利用神经网络进行特征提取利用的是网络最后一层的输出特征，它表示图像的高级语义特征，往往忽视图像的低级语义特征，如图像的纹理、边缘特征，导致其系统最终对整体图像质量预测的准确性低，影响其最终结果的处理，限制了图像质量评价技术的应用效果（如医学影像分析、自动图像识别等领域）。

技术实现思路

1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于多特征多重组合的图像质量评价方法，通过设置特征本文档来自技高网...

【技术保护点】

1.一种基于多特征多重组合的图像质量评价方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于多特征多重组合的图像质量评价方法，其特征在于：在步骤S1中，以8：2的比例将数据集划分为训练集和测试集，每批次训练的个数为64，并且将模型训练的epoch设置为3000，使用L1损失函数和Adam优化器，学习率设置为0.001，经过训练后的模型将其保存，利用保存的模型在测试集上进行测试。

3.根据权利要求2所述的一种基于多特征多重组合的图像质量评价方法，其特征在于：所述数据集含有CSIQ数据集，所述CSIQ数据集包括30幅原始图像和866张复合失真图像，涵盖了...

【技术特征摘要】

1.一种基于多特征多重组合的图像质量评价方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于多特征多重组合的图像质量评价方法，其特征在于：在步骤s1中，以8：2的比例将数据集划分为训练集和测试集，每批次训练的个数为64，并且将模型训练的epoch设置为3000，使用l1损失函数和adam优化器，学习率设置为0.001，经过训练后的模型将其保存，利用保存的模型在测试集上进行测试。

3.根据权利要求2所述的一种基于多特征多重组合的图像质量评价方法，其特征在于：所述数据集含有csiq数据集，所述csiq数据集包括30幅原始图像和866张复合失真图像，涵盖了六种类型的失真：高斯模糊、加性颜色高斯噪声、加性高斯白噪声、全局对比度衰减、jpeg压缩和jpeg2000压缩，每种失真类型通...

【专利技术属性】
技术研发人员：史志明，吴新荣，
申请(专利权)人：江西财经大学，
类型：发明
国别省市：