[發明專利]一種圖像質量評價的方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011288901.7
• 申請日: 2020-11-17
• 公開（公告）號: CN112418292A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 陳昊
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/583
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種圖像質量評價的方法，其特征在于，包括：

構建圖像生成網絡，通過預設數據庫中的訓練樣本集對所述圖像生成網絡進行訓練，獲取圖像特征提取器；

接收待評估圖像，并利用所述圖像特征提取器提取所述待評估圖像的圖像特征；

對所述待評估圖像的圖像特征進行特征向量轉化，將所述圖像特征轉化為特征向量；

構建網絡回歸函數，利用所述網絡回歸函數計算所述特征向量的回歸值，并根據所述特征向量的回歸值確定所述待評估圖像的質量。

2.如權利要求1所述的圖像質量評價的方法，其特征在于，在所述構建圖像生成網絡，通過預設數據庫中的訓練樣本集對所述圖像生成網絡進行訓練，獲取圖像特征提取器的步驟之前，還包括：

獲取所述預設數據庫中的圖像數據，并對所述圖像數據進行預處理；

對進行預處理后的所述圖像數據進行標注，并對標注后的所述圖像數據進行隨機組合，得到訓練樣本集和驗證數據集；

將所述訓練樣本集和所述驗證數據集存儲到所述預設數據庫中。

3.如權利要求2所述的圖像質量評價的方法，其特征在于，所述圖像生成網絡包括編碼層和解碼層，所述編碼層包括若干個卷積核，所述解碼層包括若干個反卷積核，所述卷積核與所述反卷積核一一對應，所述構建圖像生成網絡，通過預設數據庫中的訓練樣本集對所述圖像生成網絡進行訓練，獲取圖像特征提取器的步驟，具體包括：

提取所述訓練樣本集中的訓練樣本，依次將每一個所述訓練樣本導入到所述圖像生成網絡的編碼層；

利用每一個所述訓練樣本對所述圖像生成網絡中的編碼層進行訓練，得到若干個個訓練完成的卷積核；

基于深度學習壓縮算法對訓練完成的若干個所述卷積核進行篩選，去除若干個所述卷積核中的冗余項；

利用去除所述冗余項后的若干個所述卷積核構建所述圖像特征提取器。

4.如權利要求3所述的圖像質量評價的方法，其特征在于，在所述利用每一個所述訓練樣本對所述圖像生成網絡卷積層中的編碼層進行訓練，得到若干個個訓練完成的卷積核的步驟之后，還包括：

采集所述編碼層中每一個卷積核的訓練結果；

將每一個所述卷積核的訓練結果導入對應的反卷積核中，通過每一個所述卷積核的訓練結果訓練對應的反卷積核，得到若干個個訓練完成的反卷積核。

5.如權利要求4所述的圖像質量評價的方法，其特征在于，在所述將每一個所述卷積核的訓練結果導入對應的反卷積核中，通過每一個所述卷積核的訓練結果訓練對應的反卷積核，得到若干個個訓練完成的反卷積核的步驟之后，還包括：

提取所述驗證數據集中的驗證樣本，將所述驗證數據集導入到所述圖像生成網絡；

利用若干個個訓練完成的所述卷積核分別對所述驗證樣本進行特征提取，得到若干個所述驗證樣本的特征提取結果；

將若干個所述驗證樣本的特征提取結果分別導入到對應的反卷積核進行特征還原，得到特征還原結果；

基于所述特征還原結果與驗證樣本，使用反向傳播算法進行擬合，獲取預測誤差；

將所述預測誤差與預設閾值進行比較，若所述預測誤差大于預設閾值，則對所述圖像生成網絡進行迭代更新，直到所述預測誤差小于或等于預設閾值為止，獲取所述圖像生成網絡。

6.如權利要求1至5任意一項所述的圖像質量評價的方法，其特征在于，所述對所述待評估圖像的圖像特征進行特征向量轉化，將所述圖像特征轉化為特征向量的步驟，具體包括：

基于空間金字塔池化對所述待評估圖像的圖像特征進行特征向量轉化，將所述圖像特征轉化為特征向量。