[发明专利]一种图像质量评价方法、设备及存储设备

权利要求书

1.一种图像质量评价方法，其特征在于，包括：

获取待评价图像集；

构建图像失真类型分类模型；

根据所述图像失真类型分类模型对所述待评价图像集进行失真分类得到多个图像失真类型集；

根据图像失真类型构建专家质量评估模型，所述专家质量评估模型包括多个专家质量评估网络；

将所述图像失真类型集与所述专家指令评估模型进行融合，并评价图像质量分数。

2.根据权利要求1所述的方法，其特征在于，所述获取待评价图像集步骤之后还包括：

将所述待评价图像进行局部归一化预处理；

计算归一化后的亮度值

其中，I(i,j)为坐标(x，y)处的亮度值，C是大于零的常数，μ(i,j)和σ(i,j)分别是亮度值I(i,j)的均值和方差。

3.根据权利要求2所述的方法，其特征在于，所述构建图像失真类型分类模的步骤包括：

对所述获取的图像经过卷积层抽取出M个二维图像特征；

将所述M个二维图像特征经过max池化得到响应最强的M个二维图像特征；

将所述M个二维图像特征通过两个全连接层将二维图像特征转换为一维图像特征；

将所述一维图像特征通过输出层输出，所述输出的一维特征中包括代表图像失真类型个数的神经元数量，所述输出层采用softmax函数预测图像属于每个图像失真类型的概率值：

其中，x是输出层中每个节点的输入值，n是输出层所有节点的个数。

4.根据权利要求3所述的方法，其特征在于，所述根据图像失真类型构建专家质量评估模型的步骤具体为：

对每个图像失真类型构建对应的专家质量评估网络从而构成专家质量评估模型，其中，所述专家质量评估网络采用回归网络。

5.根据权利要求4所述的方法，其特征在于，所述将图像失真类型集与所述专家指令评估模型进行融合，并评价图像质量分数的步骤包括：

多个专家质量评估网络预测得到一组随机变量：Q＝{q₁,q₂,…,q_K}，其中，离散随机变量的概率质量函数p(q_i)＝p_i满足：

其中，q_i是第i个专家质量评估网络预测的质量分数，p_i是图像属于第i个失真类型的概率值；

计算图像失真类型的随机变量的质量分数E(q)：

6.一种图像质量评价设备，其特征在于，包括：

获取模块，用于获取待评价图像集；

第一构建模块，用于构建图像失真类型分类模型；

失真图像分类模块，用于根据所述图像失真类型分类模型对所述待评价图像集进行失真分类得到多个图像失真类型集；

第二构建模块，用于根据图像失真类型构建专家质量评估模型，所述专家质量评估模型包括多个专家质量评估网络；

融合评价模块，用于将所述图像失真类型集与所述专家指令评估模型进行融合，并评价图像质量分数。

7.根据权利要求6所述的设备，其特征在于，所述设备还包括：

图像处理模块，用于将所述待评价图像进行局部归一化预处理；

亮度值计算模块，用于计算归一化后的亮度值。

8.根据权利要求7所述的设备，其特征在于，所述第一构建模块包括：

卷积单元，用于对获取的图像经过卷积层抽取出M个二维图像特征；

池化单元，用于将所述M个二维图像特征经过max池化得到响应最强的M个二维图像特征；

转换单元，用于将所述M个二维图像特征通过两个全连接层将二维图像特征转换为一维图像特征；

输出单元，用于将所述一维图像特征通过输出层输出，所述输出的一维特征中包括代表图像失真类型个数的神经元数量，所述输出层采用softmax函数预测图像属于每个图像失真类型的概率值。