[发明专利]一种用于确定互联网图像的质量的方法和装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种在计算机设备中用于确定互联网图像的质量的方法和装置。

背景技术

现有技术中，在进行图像质量评估时，通常按照图像损失类别进行分类，并获得分类后的每种图像损失类别的公式化描述，从而训练图像质量模型，故训练得到的每个图像质量模型往往仅对一种图形损失类别有效。并且，目前在针对每种图像损失类别训练图像质量模型的过程中，通常基于绝对图像质量的概念，要求标注人员对图像标注一个精确的绝对分数，然后根据图像的绝对分数来训练图像质量评估模型，该标注方法缺乏评价基准，且很容易受到标注人员的主观因素，如工作环境、长时间工作带来的审美疲劳等，的影响，从而导致图像质量模型不能准确地反映现实中人眼所感受到的图像质量。

发明内容

本发明的目的是提供一种在计算机设备中用于确定互联网图像质量的方法和装置。

根据本发明的一个方面，提供一种在计算机设备中用于确定互联网图像的质量的方法，其中，该方法包括以下步骤：

a.根据多个图像对以及其中每个图像对的相对质量信息，进行样本训练，获得能够输出一个图像的图像质量评价信息的图像质量模型，其中，所述相对质量信息用于指示一个图像对中的一个图像相比另一个图像的相对质量。

根据本发明的另一个方面，还提供了一种在计算机设备中用于确定互联网图像的质量的装置，其中，该装置包括以下装置：

用于根据多个图像对以及其中每个图像对的相对质量信息，进行样本训练，获得能够输出一个图像的图像质量评价信息的图像质量模型的装置，其中，所述相对质量信息用于指示一个图像对中的一个图像相比另一个图像的相对质量。

与现有技术相比，本发明具有以下优点：1)可实现对大规模的互联网图像的质量的评估，适用于评价图像检索结果、网页配图、低质量图像的过滤、网络相册管理等任何需要确定图像质量的场景；2)不需要按照图像损失类别进行分别，从而可避免图像损失类别的分类所带来的类间效果差别，且训练图像质量模型时所采用的图像为现实图像，避免了当样本图像为人工合成时，该等样本图像与现实图像之间的差别对训练出的图像质量模型所带来的影响；3)训练图像质量模型时使用图像对的相对质量信息，不需要用户(评注人员)对图像标注出具体的分数，降低了用户的主观因素对图像质量模型的影响，从而使得图像质量模型能够输出更加准确的图像质量评价信息；此外，可对一个图像对的多个相对质量信息进行统计来确定该图像对的相对质量信息，从而避免用户的个人因素对评注图像对的相对质量信息的影响；4)可在训练图像模型之前预筛选出多个不良图像，并从该多个不良图像与多个优良图像中抽取获得多个图像对，以获得该多个图像对的相对质量信息，从而可以保证在训练图像模型时不良图像与优良图像的数量具有一定的比例关系，以使图像质量模型能够输出更准确的图像质量评价信息；5)通过基于错误图像质量评价信息所对应的对象来训练新预筛选模型，并重新基于新预筛选模型来进行筛选，以获得一批新图像对及其相对质量信息，并采用新图像对及其相对质量信息来进行增量训练，从而改善图像质量模型，以使图像质量模型输出的图像质量评价信息更接近图像的绝对质量。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的一个实施例的在计算机设备中用于确定互联网图像的质量的方法的流程示意图；

图2为本发明的一个实施例的在计算机设备中用于确定互联网图像的质量的方法的流程示意图；

图3为本发明的一个实施例的在计算机设备中用于确定互联网图像的质量的装置的结构示意图；

图4为本发明的另一个实施例的在计算机设备中用于确定互联网图像的质量的装置的结构示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1为本发明的一个实施例的在计算机设备中用于确定互联网图像的质量的方法的流程示意图。