[发明专利]一种基于深度神经网络的图像质量检测方法及装置

说明书

本发明公开了一种基于深度神经网络的图像质量检测方法及装置，属于图像处理技术领域。所述方法包括：对各图像分别进行整体质量及局部质量的标定后作为样本，得到样本库；在优化的深度神经网络中对样本库进行分层训练，得到整体质量检测模型和局部质量检测模型，对整体质量检测模型和局部质量检测模型进行融合，得到图像质量检测模型；采用图像质量检测模型，对输入图像进行整体质量检测和局部质量检测后，得到图像质量。本发明中训练出的图像质量检测模型不仅具有现有的客观检测方法的优点，同时能够反应出人的主观评价，并且在使用该模型进行图像质量检测时，综合了图像的整体质量及局部质量后得到图像质量，使得检测的结果更具准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度神经网络的图像质量检测方法及装置。

背景技术

随着电子技术的发展以及相机的普及，图像已成为重要的传达信息的媒介。通常地，人是图像优劣的最终接收者和评判者，随着人们对图像感官要求的越来越高，对图像的质量也提出了更高要求，因此，对图像质量的检测也变得越来越重要。

目前，图像质量检测的方法可分为主观检测和客观检测两类，其中，主观检测对人的图像观察能力要求很高，而且劳动强度大、费时，且受观察者背景知识、观测动机和观测环境等因素的影响，结果稳定性差，可移植性也不好；客观检测则是利用客观的数学检测模型进行图像质量的检测，与主观评价相比，具有速度快、费用低和可嵌入等优点，因此是比较实用和常用的方法。然而全完使用客观检测方法而脱离人眼对图像的感知所确定的高质量图片，在观察者使用图像时可能会与其预期存在偏差，并且现有的客观检测方法通常仅仅是对图像的整体质量进行检测，而忽略了图像局部的质量。

发明内容

为解决现有技术的不足，本发明提供一种基于深度神经网络的图像质量检测方法及装置。

一方面，本发明提供一种基于深度神经网络的图像质量检测方法，包括：

对各图像分别进行整体质量及局部质量的标定后作为样本，得到样本库；

在优化的深度神经网络中对所述样本库进行分层训练，得到整体质量检测模型和局部质量检测模型，对所述整体质量检测模型和所述局部质量检测模型进行融合，得到图像质量检测模型；

采用所述图像质量检测模型，对输入图像进行整体质量检测和局部质量检测后，得到图像质量。

可选地，所述对各图像分别进行整体质量及局部质量的标定后作为样本，得到样本库，具体包括：

计算各图像的峰值信噪比，根据所述峰值信噪比及肉眼的主观感受，对各图像进行图像级的整体质量标定；

将各图像划分为预设大小的多个块，结合标定的对应图像的整体质量，对各块进行像素级的局部质量标定；

将各图像与对应的整体质量及局部质量作为样本，得到样本库。

可选地，所述在优化的深度神经网络中对所述样本库进行分层训练，得到整体质量检测模型和局部质量检测模型，对所述整体质量检测模型和所述局部质量检测模型进行融合，得到图像质量检测模型，具体包括：

将所述样本库输入优化的深度神经网络，并在所述优化的深度神经网络中对所述样本库中的各图像划分为所述预设大小的多个块；

将所述样本库中的各图像与对应的各整体质量置于所述优化的深度神经网络的一个分支中进行训练，得到质量检测模型；将划分的各块与所述样本库中的各局部质量置于所述优化的深度神经网络的另一个分支中并结合反卷积操作进行训练，得到局部质量检测模型；

将所述整体质量检测模型与所述局部质量检测模型顺序拼接，得到图像质量检测模型。

可选地，所述采用所述图像质量检测模型，对输入图像进行整体质量检测和局部质量检测后，得到图像质量，具体包括：