[發(fā)明專利]圖像質(zhì)量評價(jià)方法、圖像質(zhì)量評價(jià)模型的訓(xùn)練方法和裝置

在審

• 申請?zhí)枺?/td>: 202010786237.2
• 申請日: 2020-08-06
• 公開（公告）號: CN111915595A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 蘇馳;李凱;劉弘也
• 申請（專利權(quán)）人: 北京金山云網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 徐麗

本發(fā)明提供了一種圖像質(zhì)量評價(jià)方法、圖像質(zhì)量評價(jià)模型的訓(xùn)練方法和裝置，該方法包括：獲取待處理圖像；將該待處理圖像輸入至預(yù)先訓(xùn)練完成的圖像質(zhì)量評價(jià)模型中，得到待處理圖像在預(yù)設(shè)的多個(gè)質(zhì)量等級下的評價(jià)結(jié)果；該圖像質(zhì)量評價(jià)模型為使用樣本集通過機(jī)器學(xué)習(xí)訓(xùn)練得到的，樣本集中的每個(gè)樣本均包括一個(gè)樣本圖像和該樣本圖像對應(yīng)的質(zhì)量標(biāo)簽分布；該質(zhì)量標(biāo)簽分布中包括預(yù)設(shè)的多個(gè)質(zhì)量等級，以及樣本圖像屬于每個(gè)質(zhì)量等級的概率值。該方式通過圖像質(zhì)量評價(jià)模型對待處理圖像進(jìn)行質(zhì)量評價(jià)得到圖像的質(zhì)量等級，該圖像質(zhì)量評價(jià)模型在訓(xùn)練的過程中可以從樣本圖像的質(zhì)量標(biāo)簽分布中學(xué)習(xí)到圖像質(zhì)量內(nèi)在的不確定性，進(jìn)而提高模型質(zhì)量評價(jià)的精度和穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種圖像質(zhì)量評價(jià)方法、圖像質(zhì)量評價(jià)模型的訓(xùn)練方法和裝置。

背景技術(shù)

智能安防是通過計(jì)算機(jī)視覺等人工智能技術(shù)分析監(jiān)控?cái)z像頭捕捉的圖像，并從圖像中及時(shí)發(fā)現(xiàn)特定的人、物以及事件。在智能安防系統(tǒng)中，由于物體距離監(jiān)控?cái)z像頭較遠(yuǎn)、光照條件惡劣以及攝像頭本身成像效果較差等原因，易導(dǎo)致攝像頭捕捉到的監(jiān)控圖像清晰度較差且分辨率較低，從而影響智能安防的監(jiān)控效果。因此，需要對監(jiān)控圖像進(jìn)行準(zhǔn)確的質(zhì)量評價(jià)，并根據(jù)評價(jià)結(jié)果自動調(diào)用相應(yīng)的圖像增強(qiáng)算法對監(jiān)控圖像進(jìn)行增強(qiáng)，以使智能安防系統(tǒng)對增強(qiáng)后的圖像進(jìn)行相應(yīng)的處理，來提高智能安防的效果。

相關(guān)技術(shù)中，可以通過訓(xùn)練后的深度學(xué)習(xí)模型對監(jiān)控圖像進(jìn)行質(zhì)量評價(jià)。在訓(xùn)練深度學(xué)習(xí)模型時(shí)，需要對訓(xùn)練集中的每個(gè)圖像標(biāo)注質(zhì)量等級標(biāo)簽，通常一個(gè)類別的圖像對應(yīng)同一個(gè)質(zhì)量等級標(biāo)簽，然后通過訓(xùn)練集訓(xùn)練深度學(xué)習(xí)模型，訓(xùn)練完成后將監(jiān)控圖像輸入至模型中，可以得到該監(jiān)控圖像對應(yīng)的質(zhì)量等級結(jié)果，但由于圖像質(zhì)量評價(jià)具有很強(qiáng)的主觀性，對于同一張圖像，不同的人給出的圖像質(zhì)量評價(jià)一般是不同的，導(dǎo)致圖像質(zhì)量評價(jià)本身具有不確定性，該方式將一個(gè)類別的圖像歸屬為一個(gè)質(zhì)量等級，過于絕對化，導(dǎo)致該方式得到的質(zhì)量評價(jià)結(jié)果穩(wěn)定性和精確度較差。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種圖像質(zhì)量評價(jià)方法、圖像質(zhì)量評價(jià)模型的訓(xùn)練方法和裝置，以提高圖像質(zhì)量評價(jià)結(jié)果的穩(wěn)定性和精確度。

第一方面，本發(fā)明實(shí)施例提供一種圖像質(zhì)量評價(jià)方法，該方法包括：獲取待處理圖像；將待處理圖像輸入至預(yù)先訓(xùn)練完成的圖像質(zhì)量評價(jià)模型中，得到待處理圖像在預(yù)設(shè)的多個(gè)質(zhì)量等級下的評價(jià)結(jié)果；其中，圖像質(zhì)量評價(jià)模型為使用樣本集通過機(jī)器學(xué)習(xí)訓(xùn)練得到，樣本集中的每個(gè)樣本均包括一個(gè)樣本圖像和樣本圖像對應(yīng)的質(zhì)量標(biāo)簽分布；質(zhì)量標(biāo)簽分布中包括預(yù)設(shè)的多個(gè)質(zhì)量等級，以及樣本圖像屬于每個(gè)質(zhì)量等級的概率值。

在可選的實(shí)施方式中，針對于樣本集中的每個(gè)樣本圖像，當(dāng)前樣本圖像的質(zhì)量標(biāo)簽分布通過下述方式確定：獲取當(dāng)前樣本圖像對應(yīng)的多個(gè)標(biāo)注結(jié)果；該標(biāo)注結(jié)果用于表示當(dāng)前樣本圖像的質(zhì)量等級；基于多個(gè)標(biāo)注結(jié)果和預(yù)設(shè)的多個(gè)質(zhì)量等級，生成當(dāng)前樣本圖像的質(zhì)量標(biāo)簽分布。

在可選的實(shí)施方式中，上述基于多個(gè)標(biāo)注結(jié)果和預(yù)設(shè)的多個(gè)質(zhì)量等級，生成當(dāng)前樣本圖像的質(zhì)量標(biāo)簽分布的步驟，包括：計(jì)算多個(gè)標(biāo)注結(jié)果對應(yīng)的質(zhì)量等級的平均值，得到等級均值；基于等級均值和預(yù)設(shè)的多個(gè)質(zhì)量等級，確定當(dāng)前樣本圖像屬于預(yù)設(shè)的多個(gè)質(zhì)量等級中的每個(gè)質(zhì)量等級的概率值；組合每個(gè)質(zhì)量等級的概率值，得到當(dāng)前樣本圖像的質(zhì)量標(biāo)簽分布。

在可選的實(shí)施方式中，上述基于等級均值和預(yù)設(shè)的多個(gè)質(zhì)量等級，確定當(dāng)前樣本圖像屬于預(yù)設(shè)的多個(gè)質(zhì)量等級中的每個(gè)質(zhì)量等級的概率值的步驟，包括：通過下述算式，計(jì)算當(dāng)前樣本圖像屬于預(yù)設(shè)的多個(gè)質(zhì)量等級中的每個(gè)質(zhì)量等級的概率值：

其中，p_j表示當(dāng)前樣本圖像屬于預(yù)設(shè)的多個(gè)質(zhì)量等級中第j個(gè)質(zhì)量等級的概率值；j表示第j個(gè)質(zhì)量等級的等級值；y表示等級均值；Z表示歸一化因子；N表示預(yù)設(shè)的多個(gè)質(zhì)量等級的總數(shù)；σ表示預(yù)設(shè)標(biāo)準(zhǔn)差；exp表示以自然常數(shù)e為底的指數(shù)函數(shù)運(yùn)算；∑表示求和運(yùn)算。