對不同圖像集的感知視覺質量的自動評估制造技術

本發明專利技術涉及對不同圖像集的感知視覺質量的自動評估。在一個實施例中，一種計算設備包括處理器和耦合到所述處理器且包括圖像質量評估模塊的存儲器。所述圖像質量評估模塊被配置用于從每個圖像集獲得特征，并且生成與所獲得的特征相對應特征向量。進一步，所述圖像質量評估模塊被配置用于計算與所述每個圖像集所關聯于的特征向量相對應的質量分數集。此外，所述圖像質量評估模塊被配置用于使用對應的質量分數集來在圖像集當中自動確定感知視覺質量為最佳的圖像集。

【技術實現步驟摘要】

本專利技術設及圖像質量評估的領域，并且更具體地設及自動評估不同圖像集的感知 視覺質量。
技術介紹
一般地，在圖像（例如，數字照片、醫學圖像、CT掃描圖像等）被輸出之前，它們經 過影響圖像質量的許多處理階段。例如，圖像處理的每個階段可能引入失真，該失真可能降 低所產生的最終圖像的質量。由于光學器件、傳感器噪聲、顏色校準、曝光控制、相機運動 等，由相機所采集的圖像可能表現出失真。其他的失真來源可能包括壓縮算法和比特誤差。 此外，用于處理圖像的成像平臺的類型也可能影響圖像的質量。 與理想或完美的圖像參考相比，圖像質量是與所感知的圖像劣化有關的圖像的特 性。典型地，圖像的質量是通過圖像質量評估所測量的。 在現有技術之一中，基于人為差異平均意見分數值M0巧執行圖像質量評估。在基 于人為DM0S的技術中，很多人都被要求基于通過裸眼感知的圖像質量來評價圖像。然而， 基于人為DM0S的技術是昂貴的W及耗時的。在另一種技術中，基于峰值信號噪聲比（PSNR) 質量度量來執行圖像質量評估。在又一種技術中，基于均方誤差（MS巧質量度量來執行圖 像質量評估。然而，運些技術需要用于比較的參考圖像。而且，運些技術提供了相對于基于 人為DM0S的技術不一致的結果。為了克服上述問題，開發了與基于人類DM0S的技術一起 認知的諸如結構相似性（SSIM)指數之類的度量標準。在基于度量標準的技術中，相對于作 為參考圖像的初始未壓縮或無失真的圖像來評估圖像的質量。然而，基于度量標準的技術 可能不適合于比較兩種不同圖像集的圖像質量。例如，基于度量標準的技術可能需要復雜 的配準技術，W便正確對準不同的圖像來計算兩個不同圖像集的圖像質量。 術語"不同的圖像集"指的是使用不同成像平臺所生成的兩個圖像集。不同的成 像平臺可W使用不同的壓縮算法、圖像捕獲算法、不同的模態（modality)等。例如，由來自 兩個不同制造商的計算機化斷層攝影術（CT)掃描儀所產生的特定圖像類型被稱為"不同 的圖像集"。 鑒于上述內容，存在對于自動評估不同圖像集的感知視覺質量的需要。
技術實現思路
因此，本專利技術的目的在于提供用于自動評估不同圖像集的感知視覺質量的方法和 裝置。 本專利技術的目的通過一種自動評估多個圖像集的感知視覺質量的方法來實現。例 如，使用不同的成像平臺來生成圖像集。該方法包括從所述多個圖像集中的每個圖像集獲 得特征。每個圖像集包括多個圖像。例如，所述特征對應于所述每個圖像集中的每個圖像 的像素。從所述每個圖像集獲得的特征是相應圖像集的感知視覺質量的度量。能夠注意到 的是，使用任何公知的特征提取算法來從圖像集獲得特征。該方法進一步包括：基于對應特 征，為所述多個圖像集中的每個圖像集生成質量分數集。所述質量分數集指示相應圖像集 的感知視覺質量。此外，該方法包括：使用對應的質量分數集來在所述多個圖像集當中自動 確定所述多個圖像集中感知視覺質量為最佳的至少一個圖像集。此外，該方法包括：將所述 至少一個圖像集聲明為在所述多個圖像集當中具有最佳感知視覺質量。因此，在圖像集當 中自動識別具有最佳感知視覺質量的圖像集。有利地，識別具有最佳感知視覺質量的圖像 集所需的時間和努力被顯著減少。 其中，在計算所述每個圖像集的質量分數集方面，該方法包括：生成與從所述多個 圖像集中的所述每個圖像集獲得的特征相對應的特征向量。例如，特征向量是從所述每個 圖像集獲得的特征的n維向量。此外，該方法包括：計算與所述多個圖像集中的所述每個圖 像集所關聯于的特征向量相對應的質量分數集。 其中，在計算與特征向量相對應的質量分數集方面，該方法包括：生成與第一域相 對應的所述多個圖像集中的所述每個圖像集的特征向量的概率分布。該方法進一步包括： 確定在與所述第一域相對應的所述多個圖像集中的所述每個圖像集的特征向量的概率分 布和與第二域相對應的參考圖像集的特征向量的概率分布之間是否存在重疊。例如，第一 域可W是醫療域，W及第二域可W是計算機視覺領域。如果在第一域和第二域中的特征向 量的概率分布之間存在重疊，該方法包括：向與所述第二域相對應的參考圖像集的特征向 量分配權重值，W及基于與所述參考圖像集相關聯的特征向量、特征向量的對應權重值和 對應的質量分數，來重新訓練針對所述每個圖像集的回歸算法。此外，該方法包括：使用相 應的經重新訓練的回歸算法來計算與所述第一域中的所述多個圖像集中的每個圖像集所 關聯于的特性向量相對應的質量分數集。 其中，在自動確定所述多個圖像集中的所述至少一個圖像集方面，該方法包括：比 較與所述多個圖像集相對應的質量分數集。此外，該方法包括：基于比較的結果，在所述多 個圖像集當中確定具有最佳感知視覺質量的所述至少一個圖像集。 其中，在向與第二域相對應的參考圖像集的特征向量分配權重值方面，該方法包 括：計算與第一域中的所述每個圖像集相關聯的特征向量的概率分布和與第二域中的參考 圖像集相關聯的特征向量的概率分布之間的差異的度量。此外，該方法包括：基于所計算的 度量，向與第二域相對應的參考圖像集的每個特征向量分配唯一權重值。因此，分配給參考 圖像集的特征向量的權重值促進了將第二域的概率分布與第一域的概率分布相匹配。 本專利技術的目的還通過一種裝置來實現，所述裝置包括：處理器和禪合到所述處理 器且包括圖像質量評估模塊的存儲器。所述圖像質量評估模塊能夠從多個圖像集中的每個 圖像集獲得特征，并基于對應特征為所述多個圖像集中的每個圖像集生成質量分數集。此 夕F，所述圖像質量評估模塊能夠使用對應的質量分數集來在所述多個圖像集當中自動地確 定所述多個圖像集中感知視覺質量為最佳的至少一個圖像集。此外，所述圖像質量評估模 塊能夠將所述至少一個圖像集聲明為在所述多個圖像集當中具有最佳感知視覺質量。 其中，在計算針對所述多個圖像集中的所述每個圖像集的質量分數集方面，所述 圖像質量評估模塊能夠生成與從所述多個圖像集中的所述每個圖像集獲得的特征相對應 的特征向量。此外，所述圖像評估模塊能夠計算與所述多個圖像集中的所述每個圖像集所 關聯于的特征向量相對應的質量分數集。 其中，在計算與特征向量相對應的質量分數集方面，所述圖像質量評估模塊能夠 生成與第一域相對應的所述多個圖像集中的所述每個圖像集的特征向量的概率分布。此 夕F，所述圖像質量評估模塊能夠確定在與第一域相對應的所述多個圖像集中的所述每個圖 像集的特征向量的概率分布和與第二域相對應的參考圖像集的特征向量的概率分布之間 是否存在重疊。如果在第一域和第二域中的特征向量的概率分布之間存在重疊，則所述圖 像質量評估模塊能夠向與第二域相對應的參考圖像集的特征向量分配權重值。此外，所述 圖像質量評估模塊能夠基于分配給第二域中的參考圖像集的對應特征向量的權重來計算 與第一域中的所述多個圖像集中的所述每個圖像集所關聯于的特征向量相對應的質量分 數集。 其中，在向與第二域相對應的參考圖像集的特征向量分配權重值方面，所述圖像 質量評估模塊能夠計算與第一域中的所述每個圖像集相關聯的特征向量的概率分布和與 第二域中的參考圖像集相關聯的特征向量的概率分布之間的差異的度量。此外，所述圖像 質量評估模塊能夠基于所計算的差異的度量，向與第二域相對應的參考圖像集的每個特征 向量分本文檔來自技高網...

【技術保護點】
一種自動評估多個圖像集的感知視覺質量的方法，所述方法包括：使用處理器從所述多個圖像集中的每個圖像集獲得特征；基于對應的特征，為所述多個圖像集中的每個圖像集生成質量分數集；以及使用對應的質量分數集來在所述多個圖像集當中自動確定所述多個圖像集中感知視覺質量為最佳的至少一個圖像集。

【技術特征摘要】
...

【專利技術屬性】
技術研發人員：P·S·布哈蒂亞，A·卡勒，
申請(專利權)人：西門子公司，
類型：發明
國別省市：德國;DE