[發明專利]圖像清晰度評估方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201711278216.4
• 申請日: 2017-12-06
• 公開（公告）號: CN107958455B
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 趙翔;李鑫;劉霄;李旭斌;孫昊;文石磊;丁二銳
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 袁媛

本發明公開了圖像清晰度評估方法、裝置、計算機設備及存儲介質，其中方法包括：獲取待處理的圖像；將待處理的圖像輸入給預先訓練得到的評估模型；獲取評估模型輸出的圖像清晰度綜合評分，圖像清晰度綜合評分為評估模型分別基于N個不同尺度得到N個圖像清晰度評分后，綜合N個圖像清晰度評分得到的，N為大于一的正整數。應用本發明所述方案，能夠提高評估結果的準確性。

【技術領域】

本發明涉及計算機應用技術，特別涉及圖像清晰度評估方法、裝置、計算機設備及存儲介質。

【背景技術】

隨著互聯網內容生態的蓬勃發展，以圖像、視頻為載體的各類信息越來越多。圖像、視頻的清晰度對用戶體驗有很大影響，為此，需要對圖像清晰度進行評估，以過濾掉模糊的圖像等，結合多幀圖像的清晰度亦可確定視頻的清晰度。

現有技術中，通常采用一個圖像分類器，將圖像分為清晰和模糊兩個類別，圖像分類器可以是神經網絡模型，模型的輸入為一幅圖像，輸出為模糊和清晰兩個類別的得分，取得分高者作為圖像的類別。

圖像清晰度和圖像大小有較大關系，比如一幅800*800的圖像不清晰，但壓縮到神經網絡模型要求的大小如224*224后，就可能變得比較清晰。而現有技術中從統一尺度去評估圖像的清晰度，對于較大或較小的圖像，評估結果都可能不準確。

【發明內容】

有鑒于此，本發明提供了圖像清晰度評估方法、裝置、計算機設備及存儲介質，能夠提高評估結果的準確性。

具體技術方案如下：

一種圖像清晰度評估方法，包括：

獲取待處理的圖像；

將所述待處理的圖像輸入給預先訓練得到的評估模型；

獲取所述評估模型輸出的圖像清晰度綜合評分，所述圖像清晰度綜合評分為所述評估模型分別基于N個不同尺度得到N個圖像清晰度評分后，綜合所述N個圖像清晰度評分得到的，N為大于一的正整數。

根據本發明一優選實施例，所述獲取待處理的圖像之前，進一步包括：

分別獲取不同清晰程度的圖像，并分別獲取每幅圖像的圖像清晰度綜合評分；

根據獲取到的圖像及對應的圖像清晰度綜合評分，訓練得到所述評估模型。

根據本發明一優選實施例，所述分別獲取每幅圖像的圖像清晰度綜合評分包括：

針對每幅圖像，分別獲取人工標注的所述圖像所屬的清晰程度類別，所述清晰程度類別數大于一，并將預先設定的所述圖像所屬的清晰程度類別對應的評分作為所述圖像的圖像清晰度綜合評分。

根據本發明一優選實施例，所述評估模型包括：Se-ResNeXt50模型。

根據本發明一優選實施例，

每個圖像清晰度評分分別對應所述Se-ResNeXt50模型中的一個Block，N個圖像清晰度評分對應所述Se-ResNeXt50模型中的最后N個Block；

從所述N個Block引出N個分支，每個分支分別結合所述圖像的大小信息得出所述圖像清晰度評分。

根據本發明一優選實施例，所述圖像清晰度綜合評分為所述N個圖像清晰度評分的均值。

根據本發明一優選實施例，

所述訓練得到所述評估模型之前，進一步包括：

對獲取到的圖像進行預處理，將獲取到的圖像調整為所述評估模型要求的大小；

所述將所述待處理的圖像輸入給預先訓練得到的評估模型之前，進一步包括：