[發明專利]圖像評價方法

在審

• 申請號: 201710484336.3
• 申請日: 2017-06-23
• 公開（公告）號: CN107330455A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 普園媛;李雨鑫;徐丹;張雨童;錢文華;袁國武
• 申請（專利權）人: 云南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 蘇勝

1.一種圖像評價方法，用于評價圖像美感品質，其特征在于，所述方法包括：

建立IAFA數據庫，所述IAFA數據庫存儲有多個圖像，每個圖像帶有高/低構圖美感品質標簽、高/低亮度美感品質標簽、高/低顏色美感品質標簽、高/低景深美感品質標簽及高/低整體美感品質標簽；

將所述IAFA數據庫內的圖像分為訓練集和測試集，對所述訓練集內的圖像數量進行擴充，得到擴充訓練集；

基于所述擴充訓練集，不區分圖像類別，采用多任務學習方法，對多個卷積神經網絡同時進行高/低構圖美感品質、高/低亮度美感品質、高/低顏色美感品質、高/低景深美感品質及高/低整體美感品質分類的訓練，得到多個第一模型；

基于所述測試集，區分圖像類別，對所述多個第一模型進行測試，根據第一預設規則針對每個圖像類別從所述多個第一模型選取一個作為第二模型；

基于所述擴充訓練集，區分圖像類別，采用多任務學習方法，采用所述第二模型分別對每種類別的圖像進行高/低構圖美感品質、高/低亮度美感品質、高/低顏色美感品質、高/低景深美感品質及高/低整體美感品質分類的訓練，針對每個圖像類別分別得到一個第一最終模型；

將每種類別的待測圖像分別輸入到與之類別相匹配的第一最終模型中，實現對每種類別的待測圖像的高/低構圖美感品質評價、高/低亮度美感品質評價、高/低顏色美感品質評價、高/低景深美感品質評價及高/低整體美感品質評價。

2.根據權利要求1所述的圖像評價方法，其特征在于，建立IAFA數據庫的步驟包括：

獲得多類別、不同品質的多幅圖像，以作為圖像樣本；

計算所述圖像樣本的美感因素的機器評分，其中，所述美感因素包括構圖美感因素、亮度美感因素、顏色美感因素和景深美感因素；

根據各標注者輸入的問題答案，計算該標注者的評分權重；

根據各標注者對所述圖像樣本的美感因素的定性評斷，計算各標注者對所述圖像樣本的美感因素的人工評分；

根據所述圖像樣本的美感因素的機器評分、各標注者的評分權重以及各標注者對所述圖像樣本的美感因素的人工評分，計算所述圖像樣本的美感因素的總評分，其中包括圖像樣本的構圖美感因素的總評分、亮度美感因素的總評分、顏色美感因素的總評分以及景深美感因素的總評分；

根據多個標注者輸入的判斷結果，計算所述圖像樣本的整體美感品質的評分；

根據所述圖像樣本的構圖美感因素的總評分將圖像標注為高/低構圖美感品質圖像，根據所述圖像樣本的亮度美感因素的總評分將圖像標注為高/低亮度美感品質圖像，根據所述圖像樣本的顏色美感因素的總評分將圖像標注為高/低顏色美感品質圖像，根據所述圖像樣本的景深美感因素的總評分將圖像標注為高/低景深美感品質圖像及根據所述圖像樣本的整體美感品質的評分將圖像標注為高/低景深美感品質圖像，以建立IAFA數據庫。

3.根據權利要求2所述的圖像評價方法，其特征在于，計算所述圖像樣本的美感因素的機器評分的步驟包括：

計算所述圖像樣本的美感因素的特征的機器評分；

計算所述圖像樣本的美感因素的特征的機器評分的平均值；

當所述圖像樣本的美感因素的特征的機器評分的平均值小于0.1時，所述圖像樣本的美感因素的機器評分等于1；

當所述圖像樣本的美感因素的特征的機器評分的平均值大于或等于0.1時，所述圖像樣本的美感因素的機器評分等于10倍所述平均值。

4.根據權利要求3所述的圖像評價方法，其特征在于，所述計算所述圖像樣本的美感因素的特征的機器評分的步驟包括：

計算所述圖像樣本的美感因素的特征的特征值；

根據多個高美感品質圖像的特征的特征值，計算所述特征的高美感品質取值范圍及最優值；

根據所述圖像樣本的特征的特征值及所述特征的高美感品質取值范圍及最優值計算所述圖像樣本的特征的機器評分。

5.根據權利要求1所述的圖像評價方法，其特征在于，所述將所述IAFA數據庫內的圖像分為訓練集和測試集，對所述訓練集內的圖像數量進行擴充，得到擴充訓練集的步驟包括：

將所述IAFA數據庫內的圖像分為訓練集和測試集；

將所述訓練集內的圖像分別旋轉90°、180°和270°，再進行邊角和中心剪裁并做鏡像變換，使所述訓練集內的圖像數量擴充至原來的40倍，得到擴充訓練集。