[發(fā)明專利]圖像質(zhì)量評價方法、系統(tǒng)及計算機可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210705512.2
• 申請日: 2022-06-21
• 公開（公告）號: CN115187519B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 孫榮榮
• 申請（專利權(quán)）人: 上海市計量測試技術(shù)研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/08
• 代理公司: 上海專利商標事務(wù)所有限公司 31100
• 代理人: 杜娟;駱希聰

1.一種圖像質(zhì)量評價方法，其特征在于，包括：

構(gòu)建基于注意的特征整合理論的深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型用于接收輸入圖像，并輸出所述輸入圖像的質(zhì)量評價分值，所述深度學(xué)習(xí)模型包括卷積神經(jīng)網(wǎng)絡(luò)GoogLeNet，所述GoogLeNet包括Inception模塊，所述GoogLeNet用于模擬所述基于注意的特征整合理論，并行提取所述深度學(xué)習(xí)模型不同深度層的特征，以及整合各層的所述特征；

構(gòu)建混合域注意力模塊，所述混合域注意力模塊包括空間域注意力模塊和通道域注意力模塊，所述混合域注意力模塊用于根據(jù)所述輸入圖像生成混合域注意力地圖；

根據(jù)人眼視覺掩蓋特性構(gòu)建恰可識別失真閾值模塊，所述恰可識別失真閾值模塊用于根據(jù)所述輸入圖像生成JND閾值權(quán)重地圖；

融合所述混合域注意力地圖和所述JND閾值權(quán)重地圖，獲得綜合視覺權(quán)重地圖；

將所述綜合視覺權(quán)重地圖引入所述深度學(xué)習(xí)模型，包括：通過殘差網(wǎng)絡(luò)將所述綜合視覺權(quán)重地圖引入所述Inception模塊，在得到所述綜合視覺權(quán)重地圖之后又與所述Inception模塊的圖像特征地圖進行了所有像素的點加操作。

2.如權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，所述深度學(xué)習(xí)模型采用可變形卷積核模擬人眼對所述輸入圖像的感受野，所述感受野根據(jù)所述輸入圖像的不同具有多尺度和多形態(tài)的特性，所述可變形卷積核的大小對應(yīng)于多尺度感受野的大小，所述可變形卷積核的形狀對應(yīng)于多形態(tài)感受野的形狀。

3.如權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，構(gòu)建混合域注意力模塊的步驟包括：采用自下至上-自上而下機制對所述輸入圖像進行下采樣和上采樣，獲得空間域注意力地圖。

4.如權(quán)利要求3所述的圖像質(zhì)量評價方法，其特征在于，構(gòu)建混合域注意力模塊的步驟還包括：所述通道域注意力模塊根據(jù)所述輸入圖像生成通道域注意力地圖，將所述通道域注意力地圖與所述空間域注意力地圖進行點乘，獲得所述混合域注意力地圖。

5.如權(quán)利要求1所述的圖像質(zhì)量評價方法，其特征在于，所述恰可識別失真閾值模塊根據(jù)所述輸入圖像生成JND閾值權(quán)重地圖的步驟包括：將所述輸入圖像分解為結(jié)構(gòu)圖像和紋理圖像；分別計算所述結(jié)構(gòu)圖像的結(jié)構(gòu)圖像對比度掩蓋和所述紋理圖像的紋理圖像對比度掩蓋；采用下面的公式計算對比度掩蓋：

CM＝pSM+qTM

其中，CM表示所述對比度掩蓋，SM表示所述結(jié)構(gòu)圖像對比度掩蓋，TM表示所述紋理圖像對比度掩蓋，0≤q≤1，0≤p≤1,q+p＝1,設(shè)置q大于p。

6.如權(quán)利要求5所述的圖像質(zhì)量評價方法，其特征在于，采用下面的公式計算所述紋理圖像對比度掩蓋：

其中，TM表示所述紋理圖像對比度掩蓋，(i,j)表示所述紋理圖像對比度掩蓋的坐標，TI表示所述紋理圖像，(x，y)表示所述紋理圖像的像素坐標。

7.如權(quán)利要求5所述的圖像質(zhì)量評價方法，其特征在于，將所述輸入圖像分解為結(jié)構(gòu)圖像和紋理圖像的步驟包括：

將所述輸入圖像和卷積掩膜算子進行卷積操作得到所述紋理圖像；

用所述輸入圖像減去所述紋理圖像得到所述結(jié)構(gòu)圖像。

8.如權(quán)利要求7所述的圖像質(zhì)量評價方法，其特征在于，所述卷積掩膜算子包括方向算子、條狀偽影算子、斑點噪聲算子和環(huán)狀偽影算子；所述條狀偽影算子、所述斑點噪聲算子和所述環(huán)狀偽影算子分別對應(yīng)于低劑量CT圖像中的條狀偽影、斑點噪聲和環(huán)狀偽影。

9.如權(quán)利要求5所述的圖像質(zhì)量評價方法，其特征在于，所述恰可識別失真閾值模塊根據(jù)所述輸入圖像生成JND閾值權(quán)重地圖的步驟還包括：計算所述輸入圖像的二維對比度敏感函數(shù)，包括：

采用快速傅里葉變換將所述輸入圖像變換到空間頻率域；

采用一維對比度敏感函數(shù)給空間頻率系數(shù)分配不同的權(quán)重，得到基于所述一維對比度敏感函數(shù)權(quán)重的空間頻率系數(shù)；以及

采用快速反傅里葉變換將基于對比度敏感函數(shù)權(quán)重的空間頻率系數(shù)變換回空間域，獲得所述二維對比度敏感函數(shù)。