预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共37页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN113658122A(43)申请公布日2021.11.16(21)申请号202110908704.9(22)申请日2021.08.09(71)申请人深圳市欢太科技有限公司地址518057广东省深圳市南山区粤海街道高新南一道13号赋安科技大厦B座207-2(72)发明人杨子木张璇王武生(74)专利代理机构深圳市隆天联鼎知识产权代理有限公司44232代理人刘抗美(51)Int.Cl.G06T7/00(2017.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书3页说明书20页附图13页(54)发明名称图像质量评价方法、装置、存储介质与电子设备(57)摘要本公开提供一种图像质量评价方法、装置、计算机可读存储介质与电子设备,涉及图像与视频处理技术领域。所述图像质量评价方法包括:获取目标图像在多个尺度下的基础特征图像;对每个尺度下的基础特征图像进行池化处理,并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征;对所述每个尺度下的基础特征图像进行卷积处理,以提取所述每个尺度下的语义特征,并根据所述语义特征确定每个尺度下的自适应参数;分别利用所述每个尺度下的自适应参数对相同尺度下的所述局部质量特征进行融合,得到每个尺度下的融合质量特征;基于所述每个尺度下的融合质量特征,确定所述目标图像的评价值。本公开能够提高图像质量评价的准确性。CN113658122ACN113658122A权利要求书1/3页1.一种图像质量评价方法,其特征在于,包括:获取目标图像在多个尺度下的基础特征图像;对每个尺度下的基础特征图像进行池化处理,并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征;对所述每个尺度下的基础特征图像进行卷积处理,以提取所述每个尺度下的语义特征,并根据所述语义特征确定每个尺度下的自适应参数;分别利用所述每个尺度下的自适应参数对相同尺度下的所述局部质量特征进行融合,得到每个尺度下的融合质量特征;基于所述每个尺度下的融合质量特征,确定所述目标图像的评价值。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取待评价图像;从所述待评价图像中截取多张预设尺寸的局部图像,以作为所述目标图像;在确定所述目标图像的评价值后,所述方法还包括:综合每一张所述目标图像的评价值,得到所述待评价图像的评价值。3.根据权利要求1所述的方法,其特征在于,所述多个尺度包括第一尺度至第n尺度,n为不小于2的正整数;所述方法还包括:获取基础特征提取网络,所述基础特征提取网络包括n个卷积层组合,其中,第一卷积层组合至第n卷积层组合分别对应所述第一尺度至所述第n尺度;所述获取目标图像在多个尺度下的基础特征图像,包括:将所述目标图像输入所述基础特征提取网络,通过所述第一卷积层组合至所述第n卷积层组合分别输出第一基础特征图像至第n基础特征图像,所述第一基础特征图像至第n基础特征图像分别为所述第一尺度下的基础特征图像至所述第n尺度下的基础特征图像。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:获取第一局部质量特征提取网络至第n局部质量特征提取网络,其中每个局部质量特征提取网络包括池化层与全连接层;所述对每个尺度下的基础特征图像进行池化处理,并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征,包括:将第i基础特征图像输入第i局部质量特征提取网络;通过所述第i局部质量特征提取网络的池化层对所述第i基础特征图像进行池化处理,得到第i抽象特征图像,所述第i抽象特征图像为第i尺度下的抽象特征图像;通过所述第i局部质量特征提取网络的全连接层对所述第i抽象特征图像进行处理,得到第i局部质量特征,所述第i局部质量特征为第i尺度下的局部质量特征;其中,i为[1,n]内的任意正整数,所述第i基础特征图像表示所述第一基础特征图像至第n基础特征图像中的每一张基础特征图像。5.根据权利要求4所述的方法,其特征在于,所述自适应参数包括自适应权重参数;所述方法还包括:获取第一自适应参数确定网络至第n自适应参数确定网络,其中每个自适应参数确定网络包括语义特征提取子网络与权重参数确定子网络,所述语义特征提取子网络包括卷积层,所述权重参数确定子网络包括重构层;2CN113658122A权利要求书2/3页所述对所述每个尺度下的基础特征图像进行卷积处理,以提取所述每个尺度下的语义特征,并根据所述语义特征确定每个尺度下的自适应参数,包括:将所述第i基础特征图像输入第i自适应参数确定网络;通过第i语义特征提取子网络对所述第i基础特征图像进行卷积处理,以提取第i语义特征,所述第i语义特征提取子网络为所述第i自适应参数确定网络的语义特征提取子网络,所述第i语义特征为所述第