[发明专利]红外图像质量评价方法、装置、电子设备及可读存储介质

权利要求书

1.一种红外图像质量评价方法，其特征在于，包括：

基于原始红外图像数据集生成图像携带图像质量主观分数的训练集和测试集；

通过利用所述训练集中各训练图像及对应的图像质量主观分数训练机器学习模型，得到初始质量评价模型；

通过利用无参考评价算法计算所述测试集中各测试图像的每个客观质量指标的客观分数，确定各测试图像的客观子维度评测分数；

将各客观子维度评测分数输入至所述初始质量评价模型，得到每个测试图像的图像质量客观分数；

基于所述初始质量评价模型，根据各测试图像的图像质量客观分数和相应的图像质量主观分数确定最终的图像质量评价模型。

2.根据权利要求1所述的红外图像质量评价方法，其特征在于，所述基于原始红外图像数据集生成图像携带图像质量主观分数的训练集和测试集，包括：

获取多个红外热成像设备在不同光照环境下多种类型应用场景中所采集的红外图像，以构成所述原始红外图像数据集；其中，各红外热成像设备的生产厂家、封装方式和分辨率不同；

获取所述原始红外图像数据集中各红外图像的图像质量主观分数；

基于预设划分比例，将所述原始红外图像数据集中各红外图像分为多幅训练图像和多幅测试图像；

根据多幅训练图像及各训练图像对应的图像质量主观分数生成训练集；

根据多幅测试图像及各测试图像对应的图像质量主观分数生成测试集。

3.根据权利要求2所述的红外图像质量评价方法，其特征在于，所述获取所述原始红外图像数据集中各红外图像的图像质量主观分数，包括：

获取多个专家对各红外图像的每个主观质量指标的主观评测分数，以得到各红外图像的主观子维度评测分数；

获取多个专家和多个普通用户对各红外图像整体的主观评测分数，按照预设的专家权重系数和用户权重系数计算各红外图像的主观整体评测分数；

根据各红外图像的主观子维度评测分数和主观整体评测分数确定各红外图像的图像质量主观分数。

4.根据权利要求3所述的红外图像质量评价方法，其特征在于，所述通过利用所述训练集中各训练图像及对应的图像质量主观分数训练机器学习模型，得到初始质量评价模型，包括：

预先构建支持向量回归模型；

根据各训练图像的主观子维度评测分数构建分值特征向量；

将所述分值特征向量和各训练图像对应的主观整体评测分数输入至所述支持向量回归模型进行训练，得到所述初始质量评价模型。

5.根据权利要求1至4任意一项所述的红外图像质量评价方法，其特征在于，所述通过利用无参考评价算法计算所述测试集中各测试图像的每个客观质量指标的客观分数，确定各测试图像的客观子维度评测分数，包括：

通过计算各测试图像的图像空间方差并进行归一化处理得到非均匀性客观分数；

通过计算各测试图像的局部归一化亮度系数确定图像噪声客观分数；

通过计算各测试图像与相应参考图像之间的结构相似度确定图像清晰度客观分数；

基于图像空间频率计算各测试图像的图像对比度客观分数；

基于图像最大灰度级和图像最小灰度级计算各测试图像的动态亮度范围客观分数；

对每幅测试图像，将当前测试图像的非均匀性客观分数、图像噪声客观分数、图像清晰度客观分数、图像对比度客观分数和动态亮度范围客观分数进行归一化处理，得到所述当前测试图像的客观子维度评测分数。

6.根据权利要求5所述的红外图像质量评价方法，其特征在于，所述通过计算各测试图像的局部归一化亮度系数确定图像噪声客观分数，包括：

对每幅测试图像，计算当前测试图像的局部归一化亮度系数，通过广义高斯模型拟合所述局部归一化亮度系数，得到拟合参数均值和拟合参数方差；

计算所述局部归一化亮度系数在多个方向上的局部归一化亮度系数邻域系数，通过非对称广义高斯模型拟合各局部归一化亮度系数邻域系数得到多个拟合参数；

在不同尺度分别从所述拟合参数均值、所述拟合参数方差和各拟合参数中提取多维统计特征，并将多维统计特征输入至所述初始质量评价模型，得到所述当前测试图像的图像噪声客观分数。