[发明专利]一种基于频段信息的优质图像分类方法和系统

说明书

一种基于频段信息的优质图像分类方法和系统涉及图像智能评价技术领域，解决了现有需求一种准确的优质图像分类方法和系统的问题，方法包括如下步骤：获得训练集，对训练集中的图像设置标签，所述标签分为两类：是否被破坏、是否存在过度锐化和\或伪影；使用高斯高通滤波获取图像的频段信息；利用频段信息获取图像特征；利用训练集中图像的图像特征，训练图像结构判别模型和训练过度锐化伪影判别模型；根据图像结构判别模型和过度锐化伪影判别模型能够获得图像集中的优质图像。本发明对于图像像质的判别准确，极大地减轻了工作人员的负担，提高了图像评价的效率，解决了劣质图像对图像评价工作的干扰问题，填补了对图像像质分类的空缺。

技术领域

本发明涉及图像智能评价技术领域，具体涉及一种基于频段信息的优质图像分类方法和系统。

背景技术

随着图像处理领域的迅速发展，如何有效地评价处理后的图像，并据此定量评估算法的性能就成为了研究热门。考虑到在实际工程应用中缺乏可供参考，因此现有的研究大多聚焦于无参考图像评价。而以图像处理为前提时，并非所有的复原算法都能够准确地处理各种类型的图像。所获取的图像可能存在结构被破坏和过度锐化、伪影严重等现象。这些劣质图像由于存在过多的伪影细节，严重干扰了图像评价工作，使得获得的客观指标明显与人的主观视觉不符。因此需求一种准确的优质图像分类方法和系统。

发明内容

为了解决上述问题，本发明提供一种基于频段信息的优质图像分类方法和系统，采用对于图像进行分类的方法以方便剔除劣质图像获得优质图像。

本发明为解决技术问题所采用的技术方案如下：

一种基于频段信息的优质图像分类方法，包括：

获得训练集，对训练集中的图像设置标签，所述标签分为两类：是否被破坏、以及是否存在过度锐化和\或伪影；

使用高斯高通滤波获取图像的频段信息；

利用频段信息获取图像特征；

利用训练集中图像的图像特征，训练图像结构判别模型和训练过度锐化伪影判别模型；根据训练得到的图像结构判别模型和过度锐化伪影判别模型能够获得图像集中的优质图像。

一种基于频段信息的优质图像分类系统，包括：

第一获取模块，用于获得训练集，所述训练集中的图像设置有标签，所述标签分为两类：是否被破坏、以及是否存在过度锐化和\或伪影；

第一计算模块，用于使用高斯高通滤波获取图像的频段信息；

第二计算模块，用于利用频段信息获取图像特征；

训练模块，用于利用训练集中图像的图像特征训练图像结构判别模型和训练过度锐化伪影判别模型；根据训练得到的图像结构判别模型和过度锐化伪影判别模型能够获得图像集中的优质图像。

一种优质图像获得方法，包括如下步骤：

S1、获得待判断图像；

S2、对待判断图像使用高斯高通滤波获取待判断图像的频段信息；

S3、根据待判断图像的频段信息获取待判断图像的图像特征；

S4、将S3得到的图像特征作为的输入图像结构判别模型中；

S5、将S4图像结构判别模型输出的图像结构未被破坏所对应的图像特征输入到过度锐化伪影判别模型中，过度锐化伪影判别模型输出的没有过度锐化和\或伪影所对应的图像特征；

S6、根据S5得到的没有过度锐化和\或伪影所对应的图像特征，获得优质图像；

所述图像结构判别模型和过度锐化伪影判别模型均为采用所述一种基于频段信息的优质图像分类方法获得。