[發明專利]無參考圖像質量檢測方法、系統、終端及介質

有效

• 申請號: 202110335896.9
• 申請日: 2021-03-29
• 公開（公告）號: CN113066065B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 楊曉東;劉立莊;韓振奇;趙丹
• 申請（專利權）人: 中國科學院上海高等研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/80;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 倪靜

1.一種無參考圖像質量檢測方法，其特征在于，包括：

獲取待評價圖像；

將所述待評價圖像輸入至經過訓練的無參考圖像質量檢測模型，以獲得所述待評價圖像的質量檢測結果；

其中，所述無參考圖像質量檢測模型的網絡結構包括：相互級聯的骨干網絡結構以及雙通道卷積網絡結構；所述骨干網絡結構用于對輸入的待評價圖像提取圖像質量特征，并輸出特征圖；所述雙通道卷積網絡結構用于對輸入的特征圖進行雙通道卷積計算，并輸出對應所述特征圖的質量檢測結果；

其中，所述雙通道卷積網絡結構包括：

密集哈達瑪卷積通道，用于對輸入的特征圖進行密集哈達瑪卷積計算，并輸出獲得第一特征向量；

多層卷積通道，用于對輸入的特征圖進行多層卷積計算，并輸出獲得第二特征向量；

融合結構，連接所述密集哈達瑪卷積通道以及多層卷積通道，用于將所述第一特征向量以及第二特征向量進行多維拼接，并映射獲得質量檢測結果；

所述密集哈達瑪卷積通道包含依次連接的全局平均池化層、3個全連接層和用于密集哈達瑪卷積的密集哈達瑪卷積模塊；其中，所述密集哈達瑪卷積模塊包括：至少一個對應一變換權重的哈達瑪卷積層，用于通過哈達瑪乘積對由所述全連接層輸出的特征向量進行權重變換；

所述密集哈達瑪卷積模塊包括：依次連接的三個Dendrite?Net層，用于對所述全連接輸出的特征向量依次進行對應各Dendrite?Net層的三個權重矩陣的變換，以輸出所述第一特征向量。

2.根據權利要求1中所述的無參考圖像質量檢測方法，其特征在于，所述無參考圖像質量檢測模型的訓練過程包括：

利用訓練數據集訓練所述無參考圖像質量檢測模型；

其中，所述訓練數據集包括：一或多個樣本圖像以及對應各樣本圖像的質量評價標簽；

并且其中，所述質量評價標簽包括：質量評價等級和/或主觀質量得分。

3.根據權利要求1中所述的無參考圖像質量檢測方法，其特征在于，骨干網絡結構包括：

Inception-Resnet-v2深度網絡模型，其包含依次連接的Stem模塊、Inception-Resnet模塊以及Reduction模塊。

4.根據權利要求1中所述的無參考圖像質量檢測方法，其特征在于，多層卷積通道包括：依次級聯的3個卷積層和全局平均池化層。

5.一種無參考圖像質量檢測系統，其特征在于，包括：

采集模塊，用于獲取待評價圖像；

質量評價模塊，連接所述采集模塊，用于將所述待評價圖像輸入至經過由一或多個樣本圖像以及對應各樣本圖像的質量評價標簽構成的訓練數據集訓練的無參考圖像質量檢測模型，以獲得所述待評價圖像的質量檢測結果；

其中，所述無參考圖像質量檢測模型的網絡結構包括：相互級聯的骨干網絡結構以及雙通道卷積網絡結構；所述骨干網絡結構用于對輸入的待評價圖像提取圖像質量特征，并輸出特征圖；所述雙通道卷積網絡結構用于對輸入的特征圖進行雙通道卷積計算，并輸出對應所述特征圖的質量檢測結果；

并且其中，所述雙通道卷積網絡結構包括：密集哈達瑪卷積通道，用于對輸入的特征圖進行密集哈達瑪卷積計算，并輸出獲得第一特征向量；多層卷積通道，用于對輸入的特征圖進行多層卷積計算，并輸出獲得第二特征向量；融合結構，連接所述密集哈達瑪卷積通道以及多層卷積通道，用于將所述第一特征向量以及第二特征向量進行多維拼接，并映射獲得質量檢測結果；所述密集哈達瑪卷積通道包含依次連接的全局平均池化層、3個全連接層和用于密集哈達瑪卷積的密集哈達瑪卷積模塊；其中，所述密集哈達瑪卷積模塊包括：至少一個對應一變換權重的哈達瑪卷積層，用于通過哈達瑪乘積對由所述全連接層輸出的特征向量進行權重變換；所述密集哈達瑪卷積模塊包括：依次連接的三個Dendrite?Net層，用于對所述全連接輸出的特征向量依次進行對應各Dendrite?Net層的三個權重矩陣的變換，以輸出所述第一特征向量。