[發明專利]圖像質量評分方法、裝置、存儲介質以及電子設備

在審

• 申請號: 202111168826.5
• 申請日: 2021-09-30
• 公開（公告）號: CN113705587A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 賀沁雯
• 申請（專利權）人: 北京金山云網絡技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 曾軍

1.一種圖像質量評分方法，其特征在于，包括：

獲取待評分的目標圖像；

使用第一特征提取模型提取所述目標圖像的深度學習特征；

獲取所述目標圖像的目標特征，其中，所述目標特征包括所述目標圖像的顏色特征、紋理特征以及梯度特征中的至少之一；

將所述深度學習特征和所述目標特征拼接為組合特征；

將所述組合特征輸入到目標評分模型，由所述目標評分模型對所述目標圖像的質量進行評分，其中，所述目標評分模型為使用訓練樣本對原始評分模型進行訓練得到的模型，所述訓練樣本包括多張訓練圖像和每一張所述訓練圖像的質量評分。

2.根據權利要求1所述的方法，其特征在于，在所述目標特征為所述顏色特征的情況下，獲取所述目標特征包括：

獲取所述目標圖像的顏色直方圖。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述目標圖像的顏色直方圖包括：

將所述目標圖像的像素的最小顏色值到最大顏色值劃分為不同的顏色區間，其中，所述最小顏色值為所述目標圖像中的像素點的顏色值的最小值，所述最大顏色值為所述目標圖像中的像素點的顏色值的最大值；

統計處于每一個所述顏色區間內的像素點的數量，得到所述顏色直方圖。

4.根據權利要求1所述的方法，其特征在于，在所述目標特征為所述紋理特征的情況下，獲取所述目標特征包括：

獲取所述目標圖像的灰度共生矩陣；

將所述灰度共生矩陣作為所述目標圖像的所述目標特征。

5.根據權利要求1所述的方法，其特征在于，在所述目標特征為所述梯度特征的情況下，獲取所述目標特征包括：

獲取所述目標圖像的方向梯度直方圖；

將所述方向梯度直方圖作為所述目標圖像的所述目標特征。

6.根據權利要求1至5任意一項所述的方法，其特征在于，在將所述深度學習特征和所述目標特征拼接為組合特征之前，所述方法還包括：

對所述目標特征執行降維操作。

7.根據權利要求6所述的方法，其特征在于，所述對所述目標特征執行降維操作包括：

在所述目標特征包括所述顏色特征的情況下，將所述目標特征降維到所述顏色特征的第一維度，或者將所述目標特征降維到目標維度，其中，所述目標維度為與所述顏色特征的第一維度、所述紋理特征的第二維度以及所述梯度特征的第三維度不同的維度；或者

在所述目標特征包括所述紋理特征的情況下，將所述目標特征降維到所述紋理特征的第二維度，或者將所述目標特征降維到目標維度，其中，所述目標維度為與所述顏色特征的第一維度、所述紋理特征的第二維度以及所述梯度特征的第三維度不同的維度；或者

在所述目標特征包括所述梯度特征的情況下，將所述目標特征降維到所述梯度特征的第三維度，或者將所述目標特征降維到目標維度，其中，所述目標維度為與所述顏色特征的第一維度、所述紋理特征的第二維度以及所述梯度特征的第三維度不同的維度。

8.一種圖像質量評分裝置，其特征在于，包括：

第一獲取模塊，用于獲取待評分的目標圖像；

提取模塊，用于使用第一特征提取模型提取所述目標圖像的深度學習特征；

第二獲取模塊，用于獲取所述目標圖像的目標特征，其中，所述目標特征包括所述目標圖像的顏色特征、紋理特征以及梯度特征中的至少之一；

拼接模塊，用于將所述深度學習特征和所述目標特征拼接為組合特征；

輸入模塊，用于將所述組合特征輸入到目標評分模型，由所述目標評分模型對所述目標圖像的質量進行評分，其中，所述目標評分模型為使用訓練樣本對原始評分模型進行訓練得到的模型，所述訓練樣本包括多張訓練圖像和每一張所述訓練圖像的質量評分。

9.一種計算機可讀的存儲介質，所述計算機可讀的存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行所述權利要求1至7任一項中所述的方法。

10.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為通過所述計算機程序執行所述權利要求1至7任一項中所述的方法。