图像质量评分方法、装置、存储介质以及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113705587A(43)申请公布日2021.11.26(21)申请号202111168826.5(22)申请日2021.09.30(71)申请人北京金山云网络技术有限公司地址100085北京市海淀区西二旗中路33号院4号楼6层006号(72)发明人贺沁雯(74)专利代理机构北京华夏泰和知识产权代理有限公司11662代理人曾军(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称图像质量评分方法、装置、存储介质以及电子设备(57)摘要本发明公开了一种图像质量评分方法、装置、存储介质以及电子设备。该方法包括：获取待评分的目标图像；使用第一特征提取模型提取目标图像的深度学习特征；获取目标图像的目标特征，其中，目标特征包括目标图像的颜色特征、纹理特征以及梯度特征中的至少之一；将深度学习特征和目标特征拼接为组合特征；将组合特征输入到目标评分模型，由目标评分模型对目标图像的质量进行评分，其中，目标评分模型为使用训练样本对原始评分模型进行训练得到的模型，训练样本包括多张训练图像和每一张训练图像的质量评分。本发明解决了对图像质量进行评分不准确的技术问题。CN113705587ACN113705587A权利要求书1/2页1.一种图像质量评分方法，其特征在于，包括：获取待评分的目标图像；使用第一特征提取模型提取所述目标图像的深度学习特征；获取所述目标图像的目标特征，其中，所述目标特征包括所述目标图像的颜色特征、纹理特征以及梯度特征中的至少之一；将所述深度学习特征和所述目标特征拼接为组合特征；将所述组合特征输入到目标评分模型，由所述目标评分模型对所述目标图像的质量进行评分，其中，所述目标评分模型为使用训练样本对原始评分模型进行训练得到的模型，所述训练样本包括多张训练图像和每一张所述训练图像的质量评分。2.根据权利要求1所述的方法，其特征在于，在所述目标特征为所述颜色特征的情况下，获取所述目标特征包括：获取所述目标图像的颜色直方图。3.根据权利要求2所述的方法，其特征在于，所述获取所述目标图像的颜色直方图包括：将所述目标图像的像素的最小颜色值到最大颜色值划分为不同的颜色区间，其中，所述最小颜色值为所述目标图像中的像素点的颜色值的最小值，所述最大颜色值为所述目标图像中的像素点的颜色值的最大值；统计处于每一个所述颜色区间内的像素点的数量，得到所述颜色直方图。4.根据权利要求1所述的方法，其特征在于，在所述目标特征为所述纹理特征的情况下，获取所述目标特征包括：获取所述目标图像的灰度共生矩阵；将所述灰度共生矩阵作为所述目标图像的所述目标特征。5.根据权利要求1所述的方法，其特征在于，在所述目标特征为所述梯度特征的情况下，获取所述目标特征包括：获取所述目标图像的方向梯度直方图；将所述方向梯度直方图作为所述目标图像的所述目标特征。6.根据权利要求1至5任意一项所述的方法，其特征在于，在将所述深度学习特征和所述目标特征拼接为组合特征之前，所述方法还包括：对所述目标特征执行降维操作。7.根据权利要求6所述的方法，其特征在于，所述对所述目标特征执行降维操作包括：在所述目标特征包括所述颜色特征的情况下，将所述目标特征降维到所述颜色特征的第一维度，或者将所述目标特征降维到目标维度，其中，所述目标维度为与所述颜色特征的第一维度、所述纹理特征的第二维度以及所述梯度特征的第三维度不同的维度；或者在所述目标特征包括所述纹理特征的情况下，将所述目标特征降维到所述纹理特征的第二维度，或者将所述目标特征降维到目标维度，其中，所述目标维度为与所述颜色特征的第一维度、所述纹理特征的第二维度以及所述梯度特征的第三维度不同的维度；或者在所述目标特征包括所述梯度特征的情况下，将所述目标特征降维到所述梯度特征的第三维度，或者将所述目标特征降维到目标维度，其中，所述目标维度为与所述颜色特征的第一维度、所述纹理特征的第二维度以及所述梯度特征的第三维度不同的维度。2CN113705587A权利要求书2/2页8.一种图像质量评分装置，其特征在于，包括：第一获取模块，用于获取待评分的目标图像；提取模块，用于使用第一特征提取模型提取所述目标图像的深度学习特征；第二获取模块，用于获取所述目标图像的目标特征，其中，所述目标特征包括所述目标图像的颜色特征、纹理特征以及梯度特征中的至少之一；拼接模块，用于将所述深度学习特征和所述目标特征拼接为组合特征；输入模块，用于将所述组合特征输入到目标评分模型，由所述目标评分模型对所述目标图像的质量进行评分，其中，所述目标评分模型为使用训练样本对原