[發明專利]一種面向對象的圖像效能盲評價方法

在審

• 申請號: 201810432104.8
• 申請日: 2018-05-08
• 公開（公告）號: CN108805172A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 孫斌
• 申請（專利權）人: 重慶瑞景信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 尹麗云

1.一種面向對象的圖像效能盲評價方法，其特征在于，該方法具體包括：

步驟S1.采集若干圖像樣本構成圖像樣本集I，對圖像樣本的效能進行標注；

步驟S2.利用機器學習算法訓練得到圖像效能推導模型；

步驟S3.將測試集圖像作為圖像效能推導模型的輸入，預測出測試像圖像的效能。

2.根據權利要求1所述的一種面向對象的圖像效能盲評價方法，其特征在于，所述的利用機器學習算法訓練得到圖像效能推導模型具體包括以下子步驟：

步驟S21.在圖像樣本集I中，獲得m個前景對像塊F_m和n個背景對像塊B_n；

步驟S22.將圖像樣本集I中的所有圖像的圖像塊分類并提取特征，得到特征向量；根據每個圖像塊的特征值，在對應類別的無損特征集中找到與其距離最近的一組特征，計算該圖像塊的特征值與對應的無損特征集中找到的與其距離最近的一組特征的特征值的特征差值；

步驟S23.建立單詞集；按照單詞集對圖像進行重構；計算圖像各個對象的潛在語義分布規律；

步驟S24.將圖像中不同對象的潛在語義分布規律合并為新的向量，作為機器學習算法所需要的特征向量；利用機器學習算法，通過訓練得到圖像的效能推導模型。

3.根據權利要求2所述的一種面向對象的圖像效能盲評價方法，其特征在于，所述步驟S21具體包括以下子步驟：

步驟S211.在圖像樣本集I中檢測出感興趣區域對象，將其視為前景，剩余部分視為背景；

步驟S212.提取圖像樣本集I中的前景對象，并用緊包含該前景對象的前景對像塊F_m標識此前景對象，m表示前景的個數；并將背景切分為若干個與前景對像塊同樣大小的區域，該區域記為背景對像塊B_n，n為背景對像塊的個數。

4.根據權利要求3所述的一種面向對象的圖像效能盲評價方法，其特征在于，所述步驟S22具體包括以下子步驟：

步驟S221.從圖像樣本集I中篩選無失真圖像構建無損圖像集；

步驟S222.將無損圖集中的前景對像塊F_m按照對象類別人工進行分類，得到若干個前景類別F¹,....,Fⁿ；

步驟S223.提取每個圖像塊的特征向量；將圖像進行歸一化處理得到歸一化亮度系數MSCN，對MSCN的分布進行擬合，將擬合參數及擬合度作為特征；

步驟S224.按對象聚類產生對應的無損圖像塊的特征集合；分別對對象Fⁱ和B中圖像塊的特征向量進聚類，得到描述各個對象的無損特征集合B；i∈[1,n]；表示第i類前景對象的無損特征集合F_m的無損特征集合，表示背景對像塊B_n的無損特征集；

步驟S225.將樣本集I中所有圖像塊按照步驟S222進行分類，并且按照所述步驟S223進行分類并提取特征；

步驟S226.計算圖像塊的特征差值；對樣本集I中的每個圖像塊，根據它的特征值，在對應類別的無損特征集合中找到與其距離最近的一個特征向量的特征值，然后將圖像塊特征值和找到的無損特征的特征值相減得到特征差值。