【技术实现步骤摘要】
本专利技术涉及水下图像处理，具体是涉及一种基于主体与场景语义提示的无参考水下图像质量评价方法。
技术介绍
1、水下图像广泛应用于海洋科研、工程监测等领域，但水下环境中光线的吸收与散射，致使图像出现颜色偏差、模糊、对比度低等质量退化问题。其中，水体对不同波长光的选择性吸收，使图像色彩信息丢失，而前向散射和后向散射分别造成细节模糊与对比度下降，悬浮粒子更加剧了图像质量恶化。
2、cn118918086a公开了一种多先验指导的水下图像质量评价方法，该方法先构建含多组场景相同、质量不同的水下图像的数据集，再搭建含串行特征提取、并行特征交互模块及线性映射层的网络模型。通过颜色、对比度、细节先验模块生成先验图指导特征提取，利用孪生网络训练，最终实现水下图像质量评价。但是该方法引入的多先验可能增加模型复杂度，导致计算成本上升，且存在对特定场景的依赖性。
3、cn119295397a公开了一种亮度色度联合学习的水下图像质量评价系统及其方法，该方法先将水下图像从 rgb 空间转换至与人类主观视觉感知相关性更高的 cielab 空间...
【技术保护点】
1.一种基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于： 包括以下步骤：
2.如权利要求1所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：步骤S1中，采集M张水下原始图像，各张水下原始图像添加6种失真类型，每种失真类型添加10种失真等级，构造多张不同失真情况的水下图像，为每张不同失真情况的水下图像打分，得到多张带有主观质量分数标签的水下图像，为多张带有主观质量分数标签的水下图像构造可学习文本提示信息，得到水下图像数据集。
3.如权利要求2所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：...
【技术特征摘要】
1.一种基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于： 包括以下步骤：
2.如权利要求1所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：步骤s1中，采集m张水下原始图像，各张水下原始图像添加6种失真类型，每种失真类型添加10种失真等级，构造多张不同失真情况的水下图像，为每张不同失真情况的水下图像打分，得到多张带有主观质量分数标签的水下图像，为多张带有主观质量分数标签的水下图像构造可学习文本提示信息，得到水下图像数据集。
3.如权利要求2所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：水下图像对应的主体分为鱼、沉船、潜水员、船锚；水下图像对应的场景分为礁石、珊瑚、沉石、沉积物；质量等级根据质量分数分为5个等级，分别为很差、较差、一般、良好、完美；失真类型分为6种，分别为模糊失真、jpeg压缩失真、高斯噪声失真、雾化失真、低亮度失真、浑浊失真；每种失真类型分为10个失真等级，由1、2、3、4、5、6、7、8、9、10表示，依次表示失真程度由低到高，等级1表示失真最轻，等级10表示失真最严重。
4.如权利要求1所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：所述主体及场景语义相似性评估模块包括第一文本语义特征提取模块、第一语义特征融合模块、第一图像视觉特征提取模块、第一视觉特征融合模块、稀疏感知相似性计算模块、预训练损失计算模块，第一文本语义特征提取模块与第一语义特征融合模块相连，第一语义特征融合模块与稀疏感知相似性计算模块相连；第一图像视觉特征提取模块与第一视觉特征融合模块相连，第一视觉特征融合模块与稀疏感知相似性计算模块相连，稀疏感知相似性计算模块与预训练损失计算模块相连，预训练损失计算模块与第一图像视觉特征提取模块相连；
5.如权利要求4所述的基于主体与场景语义提示的无参考水下图像质量评价方法，其特征在于：所述图像质量评价模块包括第二文本语义特征提取模块、第二语义特征融合模块、第二图像视觉特征提取模块、第二视觉特征融合模块、质量及失真视觉特征提取模块、最大化相似性计算模块，第一图像视觉特征提取模块与第二图像视觉特征提取模块相连，第二图像视觉特征提取模块与第二视觉特征融合模块相连，第二视觉特征融合模块与质量及失真视觉特征提取模块相连，质量及失真视觉特征提取模块与最大化相似性计算模块相连；第二文本语义特征提取模块与第二语义特征融合模块相连，第二语义特征融合模块与最大化相似性计算模块相连；
6.如权利要求1所述的基于主体与场景语义提示的无参...
【专利技术属性】
技术研发人员：吴乐园，廖资，郭玉柱，王鼎湘，张炜杰，
申请(专利权)人：长沙理工大学，
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。