[发明专利]一种失真图像质量评价方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种失真图像质量评价方法、装置、计算机设备及存储介质。该方法包括：提取训练图像中的结构信息特征、提取训练图像中的纹理信息特征以及提取训练图像中的颜色信息特征；将结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量；根据多个训练图像的特征向量和对应的评分值，构建评价模型；获取待测图像的结构信息特征、纹理信息特征以及颜色信息特征并输入评价模型，输出待测图像的质量得分。本发明对失真图像的结构特征、纹理特征和颜色特征进行提取，并将这些特征进行整合得到特征向量，然后将特征向量与评分值构建出用于对图形进行质量评价的评价模型，具有在网络模型预测评估基础上拟合人眼主观感知的优点。

技术领域

本发明涉及图像处理领域，尤其涉及一种失真图像质量评价方法、装置、计算机设备及存储介质。

背景技术

随着5G时代的到来，图像是人类感知和机器模式识别的重要信息源，图像质量评价(Image QualityAssessment，IQA)对所获取信息的准确性和有效性起着决定作用；然而，图像在获取、压缩、处理、传输、显示等过程中，难免出现失真和退化的情况，这些情况当中，相对于传输与处理过程中的图像失真，获取过程中的图像失真更为复杂、类型不唯一且难以预判。

针对上述问题，现有技术通常采用图像质量客观评价方法对图像进行质量评价，主要通过算法对图像质量进行评价，结合人类系统的感知原理，通过数学建模来评价图像质量；客观评价方法可以方便、快捷、容易实现并能结合到应用系统中。在现有的图像质量客观评价中，以对无失真原始图像的依赖程度由高到低可分为三种：全参考图像质量评价方法(Full-ference Image quality assessment，FR-IQA)、部分参考图像质量评价方法(Reduced-reference Image quality assessment，RR-IQA)和无参考图像质量评价方法(No-reference Image quality assessment，NR-IQA)。其中前两种方法在图像质量评价时需要与参考原始图像信息作为对比，由此才能得出图像质量评价的结果。而无参考图像质量评价方法则不需要任何参考图像信息，无参考型图像质量评价方法也叫做盲图像质量评价(Blind image quality assessment，BIQA)。

相关技术中，针对无失真原始图像并不存在或难以获取的情况，无参考图像质量评价方法仍然面临巨大的挑战：一方面，研究人员通常倾向于关注部分特征，而没有考虑特征组合；另一方面，提取的特征不能深刻地反映图像的性质。

发明内容

本发明的目的是提供一种失真图像质量评价方法、装置、计算机设备及存储介质，旨在解决现有无参考图像质量评价方法仍然存在研究的特征单一而导致信息局限的问题。

为解决上述技术问题，本发明的目的是通过以下技术方案实现的：提供一种失真图像质量评价方法，其包括：

提取训练图像中的结构信息特征、提取所述训练图像中的纹理信息特征以及提取所述训练图像中的颜色信息特征；

将所述结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量；

根据多个所述训练图像的特征向量和对应的评分值，构建评价模型；

获取待测图像的结构信息特征、纹理信息特征以及颜色信息特征并输入所述评价模型，输出所述待测图像的质量得分。

另外，本发明要解决的技术问题是还在于提供一种失真图像质量评价装置，其包括：

提取单元，用于提取训练图像中的结构信息特征、提取所述训练图像中的纹理信息特征以及提取所述训练图像中的颜色信息特征；

整合单元，用于将所述结构信息特征、纹理信息特征以及颜色信息特征进行整合得到特征向量；

构建单元，用于根据多个所述训练图像的特征向量和对应的评分值，构建评价模型；