[發明專利]一種圖像質量評估方法、裝置和介質

在審

• 申請號: 201910343768.1
• 申請日: 2019-04-26
• 公開（公告）號: CN110047071A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 張敏飛;趙明
• 申請（專利權）人: 杭州智趣智能信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種圖像質量評估方法，其特征在于，包括：

依據樣本圖像所對應的對齊規則，將獲取的所述樣本圖像轉換為標準圖像；

根據預先設定的模糊算法對標準圖像進行處理，得到不同模糊程度的模糊圖像；其中，每張模糊圖像有其對應的一個質量評分值；

將各所述模糊圖像作為訓練樣本，利用梯度下降法對卷積網絡模型進行訓練，得到訓練好的卷積網絡模型；

利用訓練好的卷積網絡模型對獲取的待評估圖像進行處理，得到所述待評估圖像的評分值。

2.根據權利要求1所述的方法，其特征在于，當所述樣本圖像為卡片圖像時，所述依據樣本圖像所對應的對齊規則，將獲取的所述樣本圖像轉換為標準圖像包括：

獲取所述卡片圖像中卡片的頂點坐標；

查找與所述卡片相匹配的透視變換矩陣；

利用所述透視變換矩陣對所述卡片圖像進行透視變換，得到標準圖像。

3.根據權利要求1所述的方法，其特征在于，當所述樣本圖像為人臉圖像時，所述依據樣本圖像所對應的對齊規則，將獲取的所述樣本圖像轉換為標準圖像包括：

檢測所述樣本圖像中的人臉區域，并從所述樣本圖像中截取出人臉區域圖；

按照預設縮放規則，將所述人臉區域圖縮放為標準圖像。

4.根據權利要求1所述的方法，其特征在于，所述利用訓練好的卷積網絡模型對獲取的待評估圖像進行處理，得到所述待評估圖像的評分值包括：

依據待評估圖像所對應的對齊規則，將獲取的所述待評估圖像轉換為待評估標準圖像；

將所述待評估標準圖像輸入所述訓練好的卷積網絡模型，以得到所述待評估圖像的評分值。

5.根據權利要求1所述的方法，其特征在于，將各所述模糊圖像作為訓練樣本，利用梯度下降法對卷積網絡模型進行訓練，得到訓練好的卷積網絡模型包括：

根據預先設定的偏差值，建立模型損失函數；

以模型損失函數最小為優化目標，對卷積網絡模型的初始參數進行梯度下降處理，直至達到預設迭代次數，則輸出訓練好的卷積網絡模型。

6.根據權利要求5所述的方法，其特征在于，所述根據預先設定的偏差值，建立模型損失函數包括：

按照如下公式，計算模型損失函數L，

其中，N表示每次迭代的樣本數量，y表示圖像的實際評分值，y′表示網絡卷積模型預測出的評分值，m表示預先設定的偏差值。

7.根據權利要求1-6任意一項所述的方法，其特征在于，所述利用預先設定的模糊算法對標準圖像進行處理，得到不同模糊程度的模糊圖像包括：

利用預先設定的高斯模糊算法對標準圖像進行處理，得到不同模糊程度的高斯模糊圖像；

利用預先設定的運動模糊算法對標準圖像進行處理，得到不同模糊程度的運動模糊圖像；其中，所述高斯模糊圖像與所述運動模糊圖像構成所述模糊圖像。

8.一種圖像質量評估裝置，其特征在于，包括轉換單元、模糊處理單元、訓練單元和評估單元；

所述轉換單元，用于依據樣本圖像所對應的對齊規則，將獲取的所述樣本圖像轉換為標準圖像；

所述模糊處理單元，用于根據預先設定的模糊算法對標準圖像進行處理，得到不同模糊程度的模糊圖像；其中，每張模糊圖像有其對應的一個質量評分值；

所述訓練單元，用于將各所述模糊圖像作為訓練樣本，利用梯度下降法對卷積網絡模型進行訓練，得到訓練好的卷積網絡模型；

所述評估單元，用于利用訓練好的卷積網絡模型對獲取的待評估圖像進行處理，得到所述待評估圖像的評分值。

9.一種圖像質量評估裝置，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序以實現如權利要求1至7任意一項所述圖像質量評估方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述圖像質量評估方法的步驟。