【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理領(lǐng)域，尤其涉及一種圖像質(zhì)量確定方法及裝置。
技術(shù)介紹
1、隨著網(wǎng)絡(luò)和多媒體技術(shù)的飛速發(fā)展，圖像已深入人們的日常生活。比如，在遙感、醫(yī)學(xué)成像和監(jiān)控系統(tǒng)等領(lǐng)域，色彩鮮艷、紋理豐富、對比度佳的高質(zhì)量的圖像是必不可少的信息來源。再比如，各類應(yīng)用程序和社交媒體不斷生成海量圖像，供用戶使用和分享。如今，圖像作為信息時代不可或缺的載體和廣泛應(yīng)用的數(shù)據(jù)媒介，扮演著至關(guān)重要的角色。
2、因此，如何評估圖像的質(zhì)量，是目前亟需解決的問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供一種圖像質(zhì)量確定方法及裝置，用于評估圖像的質(zhì)量。
2、第一方面，本專利技術(shù)提供一種圖像質(zhì)量確定方法，該方法包括：獲取第一圖像信息，對第一圖像信息進(jìn)行特征提取，得到第一特征信息，對第一特征信息進(jìn)行卷積處理得到第一權(quán)重信息，使用第一權(quán)重信息對第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息，根據(jù)第二特征信息確定第一圖像信息的圖像質(zhì)量。
3、通過以上方案，可以先對第一圖像信息進(jìn)行特征提取得到第一特征信息，并獲得第一特征信息的第一權(quán)重，通過第一權(quán)重對第一特征信息進(jìn)行空間位置重要程度的學(xué)習(xí)，得到將第一特征信息進(jìn)行特征增強(qiáng)的第二特征信息，進(jìn)而通過第二特征信息確定圖像質(zhì)量，如此可以實(shí)現(xiàn)評估圖像質(zhì)量。
4、可選的，第一特征信息有多個，不同的第一特征信息對應(yīng)不同的空間位置特征，第一權(quán)重信息有多個，使用第一權(quán)重信息對第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息，包括：使用第一權(quán)重信息對第一特征信
5、通過以上方案，通過注意力機(jī)制，將權(quán)重與輸入特征逐元素相乘并對各通道求和，然后與權(quán)重各通道求和的結(jié)果相除，如此，得到的特征向量可直接用于單個全連接層的回歸，有效減少網(wǎng)絡(luò)參數(shù)和計(jì)算負(fù)擔(dān)；以及，通過綜合兩個維度的注意力，即，同時關(guān)注不同通道和空間位置的特征信息，可以提升模型的表達(dá)能力和泛化能力。
6、可選的，對第一圖像信息進(jìn)行特征提取，得到第一圖像信息的第一特征信息，包括：對第一圖像信息進(jìn)行卷積處理，并對卷積處理后的圖像信息進(jìn)行殘差處理，以及對殘差處理后的圖像信息再進(jìn)行卷積處理，獲得第一圖像信息的第一特征信息。
7、通過以上方案，相比于現(xiàn)有技術(shù)中對圖像信息進(jìn)行特征提取，去掉了池化層和網(wǎng)絡(luò)層的處理步驟，簡化了對第一圖像信息進(jìn)行提取的步驟，減少參數(shù)和計(jì)算量。
8、可選的，對第一圖像信息進(jìn)行特征提取，得到第一圖像信息的第一特征信息，包括：將第一圖像信息輸入第一模型，獲得第一模型輸出的第一特征信息，其中，第一模型包括第一卷積網(wǎng)絡(luò)模塊、第二卷積網(wǎng)絡(luò)模塊和瓶頸模塊，瓶頸模塊位于第一卷積網(wǎng)絡(luò)模塊和第二卷積網(wǎng)絡(luò)模塊之間，第一卷積網(wǎng)絡(luò)模塊包括依次連接的3*3卷積層、第一歸一化層和第一激活函數(shù)層，瓶頸模塊包括依次連接的多個具有倒殘差結(jié)構(gòu)的瓶頸單元，第二卷積網(wǎng)絡(luò)模塊包括依次連接的1*1卷積層、第二歸一化層和第二激活函數(shù)層。
9、通過以上方案，通過第一模型可以深度提取第一圖像的特征信息，相比于現(xiàn)有技術(shù)中采用傳統(tǒng)的質(zhì)量評價(jià)方法，本方案的特征表示能力強(qiáng)，泛化性能好。
10、可選的，對第一特征信息進(jìn)行卷積處理得到第一權(quán)重信息，使用第一權(quán)重信息對第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息，包括：將第一特征信息輸入第二模型，獲得第二模型輸出的第二特征信息，其中，第二模型包括第三卷積網(wǎng)絡(luò)模塊、兩組通道和數(shù)據(jù)處理模塊，其中一組通道的輸入端連接第三卷積網(wǎng)絡(luò)模塊的輸出端和第二模型的輸入端，另一組通道的輸入端連接第三卷積網(wǎng)絡(luò)模塊的輸出端，兩組通道的輸出端均連接數(shù)據(jù)處理模塊。
11、通過以上方案，第二模型通過第三卷積模塊和兩組通道，可以綜合空間和通道兩個維度，即，第二模型既能捕捉到通道差異，又能捕捉到空間差異，如此，可以幫助模型識別圖像中的關(guān)鍵區(qū)域，在不過度增加計(jì)算復(fù)雜度的前提下，有效提升了特征的表達(dá)能力。
12、可選的，第二模型通過如下方式確定：獲取參考圖像信息，參考圖像信息包括參考質(zhì)量值，對參考圖像信息進(jìn)行特征提取，得到參考圖像信息的第一特征信息，并將參考圖像信息的第一特征信息輸入第二模型，獲得第二模型輸出的參考圖像信息的第二特征信息，根據(jù)參考圖像信息的第二特征信息確定參考圖像信息的第一質(zhì)量值，根據(jù)第一質(zhì)量值和參考質(zhì)量值，確定模型損失函數(shù)，使用模型損失函數(shù)調(diào)整第二模型的參數(shù)，使得第二模型收斂。
13、通過以上方案，通過計(jì)算損失函數(shù)來調(diào)整第二模型的參數(shù)，可以使第二模型快速收斂到最優(yōu)解，最小化模型預(yù)測和參考質(zhì)量得分之間的差異，提高預(yù)測圖像質(zhì)量得分的準(zhǔn)確性。
14、可選的，根據(jù)第一質(zhì)量值和參考質(zhì)量值，確定模型損失函數(shù)，包括：根據(jù)第一質(zhì)量值和參考質(zhì)量值的差值計(jì)算huber損失函數(shù)，根據(jù)第一質(zhì)量值、參考質(zhì)量值、第一質(zhì)量值的統(tǒng)計(jì)量和參考質(zhì)量值的統(tǒng)計(jì)量計(jì)算歸一化損失函數(shù)，將參考圖像進(jìn)行翻轉(zhuǎn)，并獲取翻轉(zhuǎn)后參考圖像質(zhì)量的第二質(zhì)量值，根據(jù)第一質(zhì)量值和第二質(zhì)量值計(jì)算翻轉(zhuǎn)一致性損失函數(shù)，對huber損失函數(shù)、歸一化損失函數(shù)、翻轉(zhuǎn)一致性損失函數(shù)進(jìn)行加權(quán)平均，確定模型損失函數(shù)。
15、通過以上方案，通過huber損失函數(shù)約束預(yù)測質(zhì)量得分與主觀質(zhì)量得分的一致性，通過歸一化損失函數(shù)進(jìn)一步約束標(biāo)準(zhǔn)化結(jié)果，通過翻轉(zhuǎn)一致性損失函數(shù)來增強(qiáng)模型的泛化能力，有效防止過擬合，如此，通過多個損失函數(shù)使得第二模型快速收斂。
16、第二方面，本專利技術(shù)提供一種圖像質(zhì)量確定裝置，該裝置包括：
17、獲取模塊，用于獲取第一圖像信息；
18、特征提取模塊，用于對第一圖像信息進(jìn)行特征提取，得到第一特征信息；
19、特征增強(qiáng)模塊，用于對第一特征信息進(jìn)行卷積處理得到第一權(quán)重信息，使用第一權(quán)重信息對第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息；
20、確定模塊，用于根據(jù)第二特征信息確定第一圖像信息的圖像質(zhì)量。
21、在一種可能的實(shí)現(xiàn)方式中，第一特征信息有多個，不同的第一特征信息對應(yīng)不同的空間位置特征，第一權(quán)重信息有多個，特征增強(qiáng)模塊具體用于：使用第一權(quán)重信息對第一特征信息進(jìn)行加權(quán)求和得到第三特征信息，計(jì)算第一權(quán)重的和值，將第三特征信息除以和值，得到第二特征信息。
22、在一種可能的實(shí)現(xiàn)方式中，特征提取模塊具體用于：對第一圖像信息進(jìn)行卷積處理，并對卷積處理后的圖像信息進(jìn)行殘差處理，以及對殘差處理后的圖像信息再進(jìn)行卷積處理，獲得第一圖像信息的第一特征信息。
23、在一種可能的實(shí)現(xiàn)方式中，特征提取模塊具體用于：將第一圖像信息輸入第一模型，獲得第一模型輸出的第一特征信息，其中，第一模型包括第一卷積網(wǎng)絡(luò)模塊、第二卷積網(wǎng)絡(luò)模塊和瓶頸模塊，瓶頸模塊位于第一卷積網(wǎng)絡(luò)模塊和第二卷積網(wǎng)絡(luò)模塊之間，第一卷積網(wǎng)絡(luò)模塊包括依次連接的3*3卷積層、第一歸一化層和第一激活函數(shù)層，瓶頸模塊包括依次連接的多個具有倒殘差結(jié)構(gòu)的瓶頸單元，第二卷積網(wǎng)絡(luò)模塊包括依次連接的1*1卷積本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種圖像質(zhì)量確定方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述第一特征信息有多個，不同的第一特征信息對應(yīng)不同的空間位置特征，所述第一權(quán)重信息有多個，所述使用所述第一權(quán)重信息對所述第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息，包括：
3.如權(quán)利要求1所述的方法，其特征在于，所述對所述第一圖像信息進(jìn)行特征提取，得到所述第一圖像信息的第一特征信息，包括：
4.如權(quán)利要求1所述的方法，其特征在于，所述對所述第一圖像信息進(jìn)行特征提取，得到所述第一圖像信息的第一特征信息，包括：
5.如權(quán)利要求1所述的方法，其特征在于，所述對所述第一特征信息進(jìn)行卷積處理得到第一權(quán)重信息，使用所述第一權(quán)重信息對所述第一特征信息進(jìn)行特征增強(qiáng)，得到第二特征信息，包括：
6.如權(quán)利要求5所述的方法，其特征在于，所述第二模型通過如下方式確定：
7.如權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述第一質(zhì)量值和所述參考質(zhì)量值，確定模型損失函數(shù)，包括：
8.一種圖像質(zhì)量確定裝置，其特征在于，包括：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。