[发明专利]基于卷积神经网络的多尺度图像质量检测方法

权利要求书

1.一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，包括以下步骤：

步骤1：选取J幅失真图像以及失真图像对应的参考图像作为训练集，根据全参考IQA方法FSIM计算得到失真图像对应的特征相似图，将特征相似图尺寸调整后得到三幅不同尺寸的特征相似图；

步骤2：构建卷积神经网络；

步骤3：将失真图像预处理后输入卷积神经网络进行训练，训练过程中，采用三幅尺寸不同的特征相似图进行多尺度监督训练，每次迭代训练处理得到每幅失真图像对应的三幅训练预测图，通过对三幅训练预测图和三幅尺寸不同的特征相似图计算均方误差得到损失函数值；采用反向传播算法不断迭代调整网络参数；

步骤4：根据GBVS显著图计算方法计算得到待预测失真图像对应的显著图像，将显著图像尺寸调整后得到三幅不同尺寸的显著图像；

步骤5：将待预测失真图像预处理后输入步骤3训练后的卷积神经网络进行预测处理得到三幅预测特征图，将三幅预测特征图分别和对应尺寸的显著图像进行加权平均得到三个图像质量结果，将三个图像质量结果平均后得到最终的图像质量结果；

所述步骤2具体为：

卷积神经网络包括编码部分、解码部分和多尺度输出部分，编码部分包括依次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，解码部分包括依次连接的第六反卷积层、第七卷积层、第八卷积层、第九反卷积层、第十卷积层和第十一反卷积层；

第二卷积层依次经第一跳层第一卷积层、第一跳层第二卷积层的输出和第九卷积层的输出在通道维度上拼接后输入第十卷积层，第三卷积层经第二跳层卷积层的输出和第七卷积层的输出在通道维度上拼接后输入第八卷积层；

多尺度输出部分包括第一输出层、第二输出层和第三输出层，每个输出层包括两个卷积层，第八卷积层依次经第一输出层的第一个卷积层和第二个卷积层后作为第一个输出结果输出，第十卷积层依次经第二输出层的第一个卷积层和第二个卷积层后作为第二个输出结果输出，第十一反卷积层依次经第三输出层的第一个卷积层和第二个卷积层后作为第三个输出结果输出。

2.根据权利要求1所述的一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，所述步骤1中，定义全参考IQA方法FSIM为f_FSIM(a,b)，其中a为失真图像、b为失真图像对应的参考图像；将失真图像及其对应的参考图像输入公式f_FSIM(a,b)中得到失真图像对应的特征相似图。

3.根据权利要求1所述的一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，输入图像经过编码部分结构尺寸不断减小，通过解码部分的反卷积层图像结构尺寸还原至原始尺寸。

4.根据权利要求1所述的一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，所述步骤1中的三幅不同尺寸的特征相似图分别为计算得到的原尺寸的特征相似图、尺寸缩减一半后的特征相似图和尺寸缩减1/4后的特征相似图；所述步骤4中的三幅不同尺寸的显著图像分别为计算得到的显著图像、尺寸缩减一半后显著图像和尺寸缩减1/4后的显著图像。

5.根据权利要求1所述的一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，所述步骤3和步骤5的预处理操作为先将图像进行灰度处理得到灰度图像，然后将灰度图像进行局部高斯归一化处理。