[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201810067110.8
• 申請日: 2018-01-24
• 公開（公告）號: CN108389182B
• 公開（公告）日: 2020-07-17
• 發(fā)明（設(shè)計）人: 吳柯維;公緒超
• 申請（專利權(quán)）人: 北京卓視智通科技有限責(zé)任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京辰權(quán)知識產(chǎn)權(quán)代理有限公司 11619
• 代理人: 劉廣達

本發(fā)明公開了一種基于深度神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量檢測方法及裝置，屬于圖像處理技術(shù)領(lǐng)域。所述方法包括：對各圖像分別進行整體質(zhì)量及局部質(zhì)量的標(biāo)定后作為樣本，得到樣本庫；在優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)中對樣本庫進行分層訓(xùn)練，得到整體質(zhì)量檢測模型和局部質(zhì)量檢測模型，對整體質(zhì)量檢測模型和局部質(zhì)量檢測模型進行融合，得到圖像質(zhì)量檢測模型；采用圖像質(zhì)量檢測模型，對輸入圖像進行整體質(zhì)量檢測和局部質(zhì)量檢測后，得到圖像質(zhì)量。本發(fā)明中訓(xùn)練出的圖像質(zhì)量檢測模型不僅具有現(xiàn)有的客觀檢測方法的優(yōu)點，同時能夠反應(yīng)出人的主觀評價，并且在使用該模型進行圖像質(zhì)量檢測時，綜合了圖像的整體質(zhì)量及局部質(zhì)量后得到圖像質(zhì)量，使得檢測的結(jié)果更具準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量檢測方法及裝置。

背景技術(shù)

隨著電子技術(shù)的發(fā)展以及相機的普及，圖像已成為重要的傳達信息的媒介。通常地，人是圖像優(yōu)劣的最終接收者和評判者，隨著人們對圖像感官要求的越來越高，對圖像的質(zhì)量也提出了更高要求，因此，對圖像質(zhì)量的檢測也變得越來越重要。

目前，圖像質(zhì)量檢測的方法可分為主觀檢測和客觀檢測兩類，其中，主觀檢測對人的圖像觀察能力要求很高，而且勞動強度大、費時，且受觀察者背景知識、觀測動機和觀測環(huán)境等因素的影響，結(jié)果穩(wěn)定性差，可移植性也不好；客觀檢測則是利用客觀的數(shù)學(xué)檢測模型進行圖像質(zhì)量的檢測，與主觀評價相比，具有速度快、費用低和可嵌入等優(yōu)點，因此是比較實用和常用的方法。然而全完使用客觀檢測方法而脫離人眼對圖像的感知所確定的高質(zhì)量圖片，在觀察者使用圖像時可能會與其預(yù)期存在偏差，并且現(xiàn)有的客觀檢測方法通常僅僅是對圖像的整體質(zhì)量進行檢測，而忽略了圖像局部的質(zhì)量。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量檢測方法及裝置。

一方面，本發(fā)明提供一種基于深度神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量檢測方法，包括：

對各圖像分別進行整體質(zhì)量及局部質(zhì)量的標(biāo)定后作為樣本，得到樣本庫；

在優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)中對所述樣本庫進行分層訓(xùn)練，得到整體質(zhì)量檢測模型和局部質(zhì)量檢測模型，對所述整體質(zhì)量檢測模型和所述局部質(zhì)量檢測模型進行融合，得到圖像質(zhì)量檢測模型；

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

可選地，所述對各圖像分別進行整體質(zhì)量及局部質(zhì)量的標(biāo)定后作為樣本，得到樣本庫，具體包括：

計算各圖像的峰值信噪比，根據(jù)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(zhì)量標(biāo)定；

將各圖像劃分為預(yù)設(shè)大小的多個塊，結(jié)合標(biāo)定的對應(yīng)圖像的整體質(zhì)量，對各塊進行像素級的局部質(zhì)量標(biāo)定；

將各圖像與對應(yīng)的整體質(zhì)量及局部質(zhì)量作為樣本，得到樣本庫。

可選地，所述在優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)中對所述樣本庫進行分層訓(xùn)練，得到整體質(zhì)量檢測模型和局部質(zhì)量檢測模型，對所述整體質(zhì)量檢測模型和所述局部質(zhì)量檢測模型進行融合，得到圖像質(zhì)量檢測模型，具體包括：

將所述樣本庫輸入優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)，并在所述優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)中對所述樣本庫中的各圖像劃分為所述預(yù)設(shè)大小的多個塊；

將所述樣本庫中的各圖像與對應(yīng)的各整體質(zhì)量置于所述優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)的一個分支中進行訓(xùn)練，得到質(zhì)量檢測模型；將劃分的各塊與所述樣本庫中的各局部質(zhì)量置于所述優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)的另一個分支中并結(jié)合反卷積操作進行訓(xùn)練，得到局部質(zhì)量檢測模型；

將所述整體質(zhì)量檢測模型與所述局部質(zhì)量檢測模型順序拼接，得到圖像質(zhì)量檢測模型。

可選地，所述采用所述圖像質(zhì)量檢測模型，對輸入圖像進行整體質(zhì)量檢測和局部質(zhì)量檢測后，得到圖像質(zhì)量，具體包括：