[发明专利]人脸图像质量的评价方法及装置

权利要求书

1.一种人脸图像质量的评价方法，其特征在于，包括：

获取待评价的人脸图像；

对所述待评价的人脸图像进行归一化处理，得到第一人脸图像；

利用盲/无参考图像空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值；

根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值，其中，所述模糊数值为空间域灰度模糊数值、频率域模糊数值和空间域纹理模糊数值的一个或多个；

根据所述第二质量分值评价所述待评价的人脸图像的质量；

所述根据亮度数值和模糊数值对所述第一质量分值进行修正，得到表征所述待评价的人脸图像的质量的第二质量分值的修正公式为：

其中，Q₁为第一质量分值，Q₂为第二质量分值，q₁、q₂、q₃为经验值常数，p₁、p₂、p₃为亮度数值的临界点，d₁、d₂、d₃为空间域灰度模糊数值的临界点，f₁、f₂、f₃为频率域模糊数值的临界点，b₁、b₂、b₃为空间域纹理模糊数值的临界点，bright_p90为所述亮度数值，blur_svd为所述空间域灰度模糊数值，blur_fft_cdf为所述频率域模糊数值，blur_lbp为所述空间域纹理模糊数值。

2.根据权利要求1所述的人脸图像质量的评价方法，其特征在于，所述利用盲/无参考图像空域质量评价算法对所述第一人脸图像进行评价，得到表征所述待评价的人脸图像的质量的第一质量分值的步骤进一步为：

提取所述第一人脸图像的盲/无参考图像空域质量评价特征；

将所述第一人脸图像的盲/无参考图像空域质量评价特征输入SVR回归算法模型计算得到表征所述待评价的人脸图像的质量的第一质量分值；

其中，所述SVR回归算法模型为利用LIVE图像质量评价数据库中的图像和多张已标注质量分值的人脸图像进行回归训练得到的。

3.根据权利要求2所述的人脸图像质量的评价方法，其特征在于，所述提取所述第一人脸图像的盲/无参考图像空域质量评价特征的步骤包括：

计算所述第一人脸图像的均值减损对比归一化系数(MSCN)；

根据所述第一人脸图像的均值减损对比归一化系数计算得到第二人脸图像；

对所述第二人脸图像进行下采样，生成第三人脸图像；

分别利用所述第二人脸图像和第三人脸图像的灰度值拟合对称的广义高斯模型的参数(α，σ²)和非对称的广义高斯模型的参数得到一个36维的特征，即所述第一人脸图像的盲/无参考图像空域质量评价特征；

其中，σ²为所述对称的广义高斯模型的方差，α为控制所述对称的广义高斯模型的形状的参数；γ为控制所述非对称的广义高斯模型的形状的参数，和分别为控制所述非对称的广义高斯模型两侧的分布的参数。

4.根据权利要求1至3中任一所述的人脸图像质量的评价方法，其特征在于，所述亮度数值为所述第一人脸图像的灰度值的第90个百分位数。

5.根据权利要求1至3中任一所述的人脸图像质量的评价方法，其特征在于，所述空间域灰度模糊数值采用以下方式得到：

对所述第一人脸图像进行奇异值分解，得到：

I＝USV^T

其中，I为所述第一人脸图像，U和V为正交矩阵，V^T为V的共轭转置，S为对角矩阵，S对角线上的数值λ_i为与所述第一人脸图像相应的奇异值；

取所述第一人脸图像的前m个最大的奇异值λ_i，拟合曲线：y＝x^-q

其中，x＝1，2，…，m，y＝λ_i；

计算得到q值，即所述空间域灰度模糊数值。