[发明专利]图像质量评定方法、装置、计算机设备及存储介质

权利要求书

1.图像质量评定方法，其特征在于，包括：

获取图像；

对图像进行清晰度分析，以获取图像清晰度分数；

采用深度学习模型对图像进行深度学习，并对学习结果进行分数预测，以获取图像质量分数；

综合图像清晰度分数以及图像质量分数，形成评定结果；

输出评定结果。

2.根据权利要求1所述的图像质量评定方法，其特征在于，所述采用深度学习模型对图像进行深度学习，以获取图像质量分数之前，还包括：

获取若干张训练图像；

对训练图像进行质量打分并标注；

对标注后的训练图像进行训练，以获取深度学习模型。

3.根据权利要求2所述的图像质量评定方法，其特征在于，所述对标注后的训练图像进行训练，以获取深度学习模型，包括：

判断训练图像的大小是否满足预设要求；

若否，则对训练图像进行大小处理，并进入下一步骤，若是，则进入下一步骤；

从训练图像中筛选若干个训练图像块；

提取训练图像块对应的特征向量，并建立训练集；

利用训练集与训练图像训练CNN分类网络，以得到深度学习模型。

4.根据权利要求3所述的图像质量评定方法，其特征在于，所述对图像进行清晰度分析，以获取图像清晰度分数，包括：

对图像进行能量梯度清晰度计算，以获取计算结果；

归一化所述计算结果，以获取图像清晰度分数。

5.根据权利要求4所述的图像质量评定方法，其特征在于，所述采用深度学习模型对图像进行深度学习，并对学习结果进行分数预测，以获取图像质量分数，包括：

对图像进行提取若干个待测图像块；

将若干个待测图像块输入深度学习模型，以提取若干个待测图像块的特征向量；

对若干个待测图像块的特征向量进行预测若干个待测图像块的质量分数；

获取若干个待测图像块的质量分数的平均值，以得到图像质量分数。

6.根据权利要求1至5任一项所述的图像质量评定方法，其特征在于，所述综合图像清晰度分数以及图像质量分数，形成评定结果，包括：

将图像清晰度分数与图像质量分数按照指定权重进行加权求和，以形成评定结果。

7.图像质量评定装置，其特征在于，包括：

图像获取单元，用于获取图像；

清晰度分析单元，用于对图像进行清晰度分析，以获取图像清晰度分数；

深度学习单元，用于采用深度学习模型对图像进行深度学习，并对学习结果进行分数预测，以获取图像质量分数；

综合单元，用于综合图像清晰度分数以及图像质量分数，形成评定结果；

结果输出单元，用于输出评定结果。

8.根据权利要求7所述的图像质量评定装置，其特征在于，所述清晰度分析单元包括：

清晰度计算子单元，用于对图像进行能量梯度清晰度计算，以获取计算结果；

归一子单元，用于归一化所述计算结果，以获取图像清晰度分数。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的图像质量评定方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至6任意一项所述的图像质量评定方法。