[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

本發明提供無參考圖像質量評價方法及系統，其中方法包括：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。若失真圖像的失真程度較大則圖像差數據較大，若失真圖像的失真程度較小則圖像差數據較小。將圖像差數據輸入至預設評價網絡模型，從而獲得失真圖像的圖像質量評價結果。本發明無需手工選取統計特征來識別失真圖像，也無需得知失真圖像的失真類型，通過模擬人類視覺系統的處理操作，可以獲得準確有效地圖像質量評價結果。

技術領域

本發明涉及通信技術領域，尤其涉及無參考圖像質量評價方法及系統。

背景技術

圖像是人類感知和計算機視覺的重要信息源。由于成像系統、傳輸介質、壓縮方式和存儲設備等的不完善，不可避免地會造成圖像不同程度的失真和降質。在一些圖像處理系統或視頻處理系統中，需要了解待處理圖像的圖像質量，以便作為是否進行后續操作的判斷依據，所以評價圖像質量具有十分重要的實際應用價值。

目前，圖像質量評價(IQA)可分為主觀評價和客觀評價。主觀評價，即多個觀測者以主觀感受為圖像質量評分并獲得一圖像的平均主觀評分(MOS)，主觀評價的準確性和實用性較優，但是人工處理效率較低。

客觀評價，即模擬人類視覺系統對圖像質量的感知過程，構建與主觀評價盡可能一致的自動圖像質量評價算法。根據圖像質量評價過程中有無原始圖像作為參考，可將圖像質量評價分為全參考圖像質量評價(FR-IQA)、半參考圖像質量評價(RR-IQA)和無參考圖像質量評價(NR-IQA)。

目前在實際應用場景中進行圖像質量評價時通常無法獲得原始參考圖像，而無參考圖像質量評價可以在原始參考圖像缺失情況下仍能做出圖像質量評價，與實際應用場景相符，因此是當今研究的重點。

傳統無參考圖像質量評價的思路為基于失真圖像與原始參考圖像(即未失真圖像)的某些統計特征會存在差異，因此可以手工尋找統計特征，并根據這些統計特征訓練模型以基于訓練后模型來計算評價結果。但在實際場景中圖像的失真類型千變萬化，通常多種失真類型同時存在，手工尋找統計特征無疑是非常困難的。

目前，一些方案提出使用深度神經網絡DNN實現無參考圖像質量評價。主要原理為基于標注數據來訓練DNN，以便DNN學習從失真圖像到標注的平均主觀評分(MOS)的映射，后續使用訓練后DNN來計算圖像質量評價。

但是，DNN在面對未知類型的失真圖像時效果不佳。目前公開的IQA標注數據集的數量有限，僅包含幾種特定的失真類型(例如高斯白噪聲，高斯模糊，JPEG壓縮失真等)。因此，用這些標注數據訓練得到的DNN在面對實際場景中未知失真類型的圖像時，很難取得令人滿意的效果。

發明內容

鑒于此，本發明提出一種無參考圖像質量評價方法及系統。本方法無需手工選取統計特征且能有效應對未知失真類型的失真圖像，并獲得較為準確有效地圖像質量評價結果。

為了實現上述目的，本申請提供了下述技術特征：

一種無參考圖像質量評價方法，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。

可選的，所述修復所述待評價失真圖像獲得修復圖像，包括：