[發明專利]一種基于深度神經網絡的圖像質量檢測方法及裝置

有效

• 申請號: 201810067110.8
• 申請日: 2018-01-24
• 公開（公告）號: CN108389182B
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 吳柯維;公緒超
• 申請（專利權）人: 北京卓視智通科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

1.一種基于深度神經網絡的圖像質量檢測方法，其特征在于，包括：

對各圖像分別進行整體質量及局部質量的標定后作為樣本，得到樣本庫；

所述得到樣本庫，具體包括：

計算各圖像的峰值信噪比，根據所述峰值信噪比及肉眼的主觀感受，對各圖像進行圖像級的整體質量標定；

將各圖像劃分為預設大小的多個塊，結合標定的對應圖像的整體質量，對各塊進行像素級的局部質量標定；

將各圖像與對應的整體質量及局部質量作為樣本，得到樣本庫；

在優化的深度神經網絡中對所述樣本庫進行分層訓練，得到整體質量檢測模型和局部質量檢測模型，對所述整體質量檢測模型和所述局部質量檢測模型進行融合，得到圖像質量檢測模型；

所述得到圖像質量檢測模型，具體包括：

將所述樣本庫輸入優化的深度神經網絡，并在所述優化的深度神經網絡中對所述樣本庫中的各圖像劃分為所述預設大小的多個塊；

將所述樣本庫中的各圖像與對應的各整體質量置于所述優化的深度神經網絡的一個分支中進行訓練，得到整體質量檢測模型；將劃分的各塊與所述樣本庫中的各局部質量置于所述優化的深度神經網絡的另一個分支中并結合反卷積操作進行訓練，得到局部質量檢測模型；

將所述整體質量檢測模型與所述局部質量檢測模型順序拼接，得到圖像質量檢測模型；

采用所述圖像質量檢測模型，對輸入圖像進行整體質量檢測和局部質量檢測后，得到圖像質量。

2.根據權利要求1所述的方法，其特征在于，所述采用所述圖像質量檢測模型，對輸入圖像進行整體質量檢測和局部質量檢測后，得到圖像質量，具體包括：

采用所述圖像質量檢測模型，對輸入圖像進行整體質量檢測和局部質量檢測得到整體質量和局部質量，對所述整體質量和所述局部質量進行加權得到圖像質量。

3.根據權利要求1所述的方法，其特征在于，所述對各圖像分別進行整體質量及局部質量的標定后作為樣本，得到樣本庫之前，還包括：將各圖像調整為預設像素的圖像；

所述采用所述圖像質量檢測模型，對輸入圖像進行整體質量檢測和局部質量檢測之前，還包括：將輸入圖像調整為所述預設像素的圖像。

4.一種基于深度神經網絡的圖像質量檢測裝置，其特征在于，包括：

標定模塊，用于對各圖像分別進行整體質量及局部質量的標定后作為樣本，得到樣本庫；

所述標定模塊，具體包括：第一標定子模塊、第二標定子模塊和作為子模塊；

所述第一標定子模塊，用于計算各圖像的峰值信噪比，根據所述峰值信噪比及肉眼的主觀感受，對各圖像進行圖像級的整體質量標定；

所述第二標定子模塊，用于將各圖像劃分為預設大小的多個塊，結合所述第一標定子模塊標定的對應圖像的整體質量，對各塊進行像素級的局部質量標定；

所述作為子模塊，用于將各圖像與對應的所述第一標定子模塊標定的整體質量及所述第二標定子模塊標定的局部質量作為樣本，得到樣本庫；

訓練模塊，用于在優化的深度神經網絡中對所述標定模塊得到的樣本庫進行分層訓練，得到整體質量檢測模型和局部質量檢測模型；

所述訓練模塊，具體包括：輸入子模塊、劃分子模塊和訓練子模塊；

所述輸入子模塊，用于將所述標定模塊得到的樣本庫輸入優化的深度神經網絡；

所述劃分子模塊，用于在所述優化的深度神經網絡中對所述輸入子模塊輸入的樣本庫中的各圖像劃分為所述預設大小的多個塊；

所述訓練子模塊，用于將所述輸入子模塊輸入的樣本庫中的各圖像與對應的各整體質量置于所述優化的深度神經網絡的一個分支中進行訓練，得到整體質量檢測模型；將所述劃分子模塊劃分的各塊與所述輸入子模塊輸入的樣本庫中的各局部質量置于所述優化的深度神經網絡的另一個分支中并結合反卷積操作進行訓練，得到局部質量檢測模型；

融合模塊，用于對所述訓練模塊得到的整體質量檢測模型和局部質量檢測模型進行融合，得到圖像質量檢測模型；其中，所述融合模塊具體用于：將所述訓練子模塊得到的整體質量檢測模型與局部質量檢測模型順序拼接，得到圖像質量檢測模型；

檢測模塊，用于采用所述融合模塊得到的圖像質量檢測模型，對輸入圖像進行整體質量檢測和局部質量檢測后，得到圖像質量。