[發(fā)明專利]一種基于多任務(wù)學(xué)習(xí)的圖像質(zhì)量評估方法及裝置

在審

• 申請?zhí)枺?/td>: 202110253923.8
• 申請日: 2021-03-09
• 公開（公告）號: CN112766419A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計）人: 王同罕;何月順;楊希;賈惠珍;李潭;宋偉寧;李祥;何劍鋒
• 申請（專利權(quán)）人: 東華理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南昌卓爾精誠專利代理事務(wù)所(普通合伙) 36133
• 代理人: 徐柳華

本發(fā)明適用于計算機(jī)技術(shù)領(lǐng)域，提供了一種基于多任務(wù)學(xué)習(xí)的圖像質(zhì)量評估方法及裝置，所述方法包括：根據(jù)根據(jù)多任務(wù)學(xué)習(xí)訓(xùn)練生成的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評估模型對所述待質(zhì)量評估的圖像進(jìn)行處理，確定所述圖像的質(zhì)量評估結(jié)果；其中，所述基于圖像質(zhì)量評估模型是預(yù)先基于自然屬性特征任務(wù)學(xué)習(xí)所訓(xùn)練生成的；所述自然屬性特征任務(wù)學(xué)習(xí)是使得圖像經(jīng)過圖像質(zhì)量評估模型處理后得到的自然屬性特征響應(yīng)結(jié)果與按照預(yù)設(shè)的自然屬性特征提取規(guī)則對圖像進(jìn)行特征提取所得到的自然屬性特征真實結(jié)果之間滿足預(yù)設(shè)的要求，相比于現(xiàn)有的利用無參考圖像質(zhì)量評估算法所訓(xùn)練生成的圖像質(zhì)量評估模型，在模型分析的準(zhǔn)確率上具有顯著的提升。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種圖像質(zhì)量評估方法及裝置。

背景技術(shù)

圖像是信息傳遞的一種重要載體，能夠幫助我們更好地認(rèn)識客觀世界，在我們?nèi)粘５墓ぷ骱蜕钪衅鸬搅朔浅Ｖ匾淖饔茫珗D像在采集、存儲、傳輸?shù)冗^程中容易受到諸多因素的影響導(dǎo)致其質(zhì)量受損，影響到人類對圖像內(nèi)容的感知。因此，通過圖像質(zhì)量評估方法可幫助人們快速識別目標(biāo)圖像的質(zhì)量，將質(zhì)量受損嚴(yán)重的圖像篩選出來，避免影響到人類對圖像內(nèi)容的感知。

然而，現(xiàn)有的圖像質(zhì)量評估方法通常都是利用無參考圖像質(zhì)量評估算法所訓(xùn)練得到的圖像質(zhì)量評估模型進(jìn)行特征篩選的，事實上，由于該圖像質(zhì)量評估算法未參考原始圖像的相關(guān)特征，其并不能使得所篩選出的圖像特征與原始圖像的真實特征進(jìn)行精準(zhǔn)匹配，即采用此種圖像質(zhì)量評估方法所訓(xùn)練得到的圖像質(zhì)量評估模型無法高效準(zhǔn)確的對圖像質(zhì)量進(jìn)行評估。也就是說，現(xiàn)有的利用無參考圖像質(zhì)量評估算法所訓(xùn)練得到的圖像質(zhì)量評估模型進(jìn)行圖像的特征篩選的分析模型準(zhǔn)確性較差，實際應(yīng)用能力低。

可見，利用現(xiàn)有的圖像質(zhì)量評估方法所訓(xùn)練得到的圖像質(zhì)量評估模型所得到的圖像質(zhì)量評估結(jié)果還存在著準(zhǔn)確性較差，實際應(yīng)用能力低的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明實施例的目的在于提供一種圖像質(zhì)量評估方法，旨在解決利用現(xiàn)有的圖像質(zhì)量評估方法所訓(xùn)練得到的圖像質(zhì)量評估模型所得到的圖像質(zhì)量評估結(jié)果還存在著準(zhǔn)確性較差，實際應(yīng)用能力低的技術(shù)問題。

本發(fā)明實施例是這樣實現(xiàn)的，一種圖像質(zhì)量評估方法，包括：

獲取待質(zhì)量評估的圖像；

根據(jù)根據(jù)多任務(wù)學(xué)習(xí)訓(xùn)練生成的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評估模型對所述待質(zhì)量評估的圖像進(jìn)行處理，確定所述圖像的質(zhì)量評估結(jié)果；其中

根據(jù)基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建并訓(xùn)練完成的圖像質(zhì)量評估模型對所述待質(zhì)量評估的圖像進(jìn)行處理，確定所述圖像的質(zhì)量評估結(jié)果；其中

所述基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的圖像質(zhì)量評估模型是以圖像自然屬性特征和質(zhì)量分?jǐn)?shù)作為多任務(wù)學(xué)習(xí)目標(biāo)訓(xùn)練生成的；所述自然屬性特征任務(wù)學(xué)習(xí)是將按照預(yù)設(shè)的自然屬性特征提取規(guī)則對圖像進(jìn)行特征提取所得到的自然屬性特征作為模型學(xué)習(xí)的一個子任務(wù)，所述圖像質(zhì)量分?jǐn)?shù)學(xué)習(xí)是指將圖像主觀質(zhì)量分?jǐn)?shù)作為模型學(xué)習(xí)的另一個子任務(wù)。

本發(fā)明實施例的另一目的在于提供一種圖像質(zhì)量評估裝置，包括：

樣本圖像獲取單元，用于獲取待質(zhì)量評估的圖像；

待質(zhì)量評估圖像處理單元，用于根據(jù)多任務(wù)學(xué)習(xí)訓(xùn)練生成的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評估模型對所述待質(zhì)量評估的圖像進(jìn)行處理，確定所述圖像的質(zhì)量評估結(jié)果。

本發(fā)明實施例中提供的一種圖像質(zhì)量評估方法，是根據(jù)多任務(wù)學(xué)習(xí)訓(xùn)練生成的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評估模型對所述待質(zhì)量評估的圖像進(jìn)行處理，確定并輸出所述圖像的質(zhì)量評估結(jié)果，由于其中根據(jù)多任務(wù)學(xué)習(xí)訓(xùn)練生成的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評估模型是根據(jù)樣本圖像的自然屬性特征以及質(zhì)量評價分?jǐn)?shù)作為損失值計算標(biāo)準(zhǔn)并通過卷積神經(jīng)網(wǎng)絡(luò)對相應(yīng)的可變參數(shù)進(jìn)行調(diào)整優(yōu)化后得到的圖像質(zhì)量評估模型，因此此時根據(jù)該圖像質(zhì)量評估模型對待評估的圖像的質(zhì)量進(jìn)行分析后得到的評估結(jié)果的準(zhǔn)確率能保持在較高的水平，相比于現(xiàn)有的利用無參考圖像質(zhì)量評估算法所訓(xùn)練生成的圖像質(zhì)量評估模型，在模型分析的準(zhǔn)確率上具有顯著的提升，即提供了一種準(zhǔn)確率高，應(yīng)用效果好的圖像質(zhì)量評估方法。