[發明專利]無參考圖像質量評價方法及系統

在審

• 申請號: 201911023113.2
• 申請日: 2019-10-25
• 公開（公告）號: CN110782445A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 趙佳;李驪
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 11227 北京集佳知識產權代理有限公司
• 代理人: 薛嬌

1.一種無參考圖像質量評價方法，其特征在于，所述方法包括：

從數據庫中獲取待評價失真圖像；

利用預設修復模型修復所述待評價失真圖像獲得修復圖像；

將所述待評價失真圖像與所述修復圖像的圖像差數據，輸入至預設評價網絡模型，獲得所述預設評價網絡模型輸出的所述待評價失真圖像的圖像質量評價結果；

其中，所述待評價失真圖像的圖像質量評價結果用于后續處理操作的判斷依據。

2.如權利要求1所述的方法，其特征在于，所述修復所述待評價失真圖像獲得修復圖像，包括：

在所述預設修復模型為訓練后修復網絡模型的情況下，輸入所述待評價失真圖像至訓練后修復網絡模型，獲得訓練后的修復網絡型輸出的修復圖像；或，

在所述預設修復模型為訓練后的變分自編碼器的情況下，輸入所述待評價失真圖像至訓練后的變分自編碼器，獲得所述訓練后的變分自編碼器輸出的修復圖像。

3.如權利要求2所述的方法，其特征在于，

在所述預設修復模型為訓練后修復網絡模型的情況下，在從數據庫中獲取待評價失真圖像之前，還包括：存儲訓練后修復網絡模型；

在所述預設修復模型為訓練后的變分自編碼器的情況下，在從數據庫中獲取待評價失真圖像之前，還包括：存儲訓練后的變分自編碼器；

其中，訓練后修復網絡模型的訓練過程包括：

初始化修復網絡模型和判別網絡模型；其中所述判別網絡模型用于協助訓練修復網絡模型；

采用對抗方式交替訓練修復網絡模型和判別網絡模型，以使得修復網絡模型輸出的修復圖像不斷接近原始參考圖像；

在達到訓練結束條件之后獲得訓練后修復網絡模型。

4.如權利要求3所述的方法，其特征在于，所述采用對抗方式交替訓練所述修復網絡模型和所述判別網絡模型，包括：

在修復網絡模型暫時不變的情況下，獲取修復網絡模型修復失真圖像后輸出的修復圖像和失真圖像對應的原始參考圖像，添加該組由修復圖像和原始參考圖像組成的樣本至判別網絡的訓練樣本集，所述訓練樣本集還包括多組由兩個相同原始參考圖像組成的樣本；基于判別網絡模型的訓練樣本集訓練判別網絡模型，以使得判別網絡模型具備對與原始參考圖像相似度高的修復圖像賦予較高評分、與原始參考圖像相似度低的修復圖像賦予較低評分的能力；

在判別網絡模型暫時不變的情況下，輸入失真圖像至修復網絡模型并獲得修復圖像，將修復圖像和原始參考圖像輸入至判別網絡模型，并獲得判別網絡模型反饋的輸出概率，基于包括輸出概率的參數集調整修復網絡模型，以使得修復網絡模型輸出的修復圖像不斷接近原始參考圖像；

交替執行判別網絡模型和修復網絡模型的訓練過程，直到達到訓練結束條件。

5.如權利要求4所述的方法，其特征在于，所述基于包括輸出概率的參數集調整修復網絡模型，包括：

基于參數集計算修復網絡模型的損失函數；

按修復網絡模型的損失函數調整修復網絡模型；

其中，所述參數集還包括：修復圖像與原始參考圖像之間的像素損失；和/或，模擬人類視覺系統確定修復圖像與原始參考圖像之間感知損失；

其中，在所述參數集包括像素損失、感知損失和輸出概率三個參數的情況下，則所述基于參數集計算修復網絡模型的損失函數包括：將像素損失、感知損失和輸出概率三個參數的加權和，確定為修復網絡模型的損失函數。

6.如權利要求2所述的方法，其特征在于，在所述從數據庫中獲取待評價失真圖像之前還包括：存儲所述預設評價網絡模型；

其中，所述預設評價網絡模型的訓練過程包括：

在所述預設修復模型為訓練后修復網絡模型的情況下，利用失真圖像與修復網絡模型輸出的修復圖像的圖像差數據，以及，失真圖像對應的平均主觀評分訓練評價網絡模型，以使得評價網絡模型在訓練中學習從圖像差數據映射到平均主觀評分；

或，

在所述預設修復模型為訓練后的變分自編碼器的情況下，利用失真圖像與變分自編碼器輸出的修復圖像的圖像差數據，以及，失真圖像對應的平均主觀評分來訓練評價網絡模型，以使得評價網絡模型在訓練中學習從圖像差數據映射到平均主觀評分。