[发明专利]一种图像质量评价方法和装置

说明书

本发明实施例提供了一种图像质量评价方法和装置，可以获取待评价图像，提取待评价图像的第一特征数据和第二特征数据，将待评价图像的第一特征数据，输入至预先训练好的宽度和深度WideDeep模型中的第一Deep网络子模型，得到第一输出结果，将待评价图像的第二特征数据，输入至预先训练好的WideDeep模型中的Wide网络子模型，得到第二输出结果，根据目标输出结果，确定待评价图像的图像质量。基于上述处理，能够提高确定出的图像质量的准确度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像质量评价方法和装置。

背景技术

随着各行业信息化步伐的加快，以及社交网络的流行，海量的图像、视频等多媒体资源呈爆炸性增长，这对图像的图像质量提出了更高的要求，因此，对图像质量进行评价也变得越来越重要。

现有技术中，可以根据特征提取算法，对待评价图像进行处理，得到待评价图像的特征数据(例如，对比度、亮度、峰值信噪比等)，并根据待评价图像的特征数据进行图像质量评价。例如，可以根据训练集中图像的对比度和训练集中图像的分类标识对二分类网络模型进行训练，分类标识可以表示图像质量高或者图像质量低，然后，可以将待评价图像的对比度输入至训练好的二分类网络模型中，得到二分类网络模型的输出结果，输出结果可以包括待评价图像的图像质量高的概率和图像质量低的概率，进而可以根据输出结果，确定待评价图像的图像质量。

然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

上述过程中，仅基于特征提取算法得到的特征数据对图像质量进行评价，而基于特征提取算法得到的特征数据缺乏多样性，并不能准确地反映出待评价图像复杂的图像特征，因此，可能会导致确定出的图像质量的准确度较低。

发明内容

本发明实施例的目的在于提供一种图像质量评价方法和装置，能够提高确定出的图像质量的准确度。具体技术方案如下：

第一方面，为了达到上述目的，本发明实施例公开了一种图像质量评价方法，所述方法包括：

获取待评价图像；

提取所述待评价图像的第一特征数据和第二特征数据；

将所述待评价图像的第一特征数据，输入至预先训练好的WideDeep模型中的第一Deep网络子模型，得到第一输出结果；

将所述待评价图像的第二特征数据，输入至预先训练好的WideDeep模型中的Wide网络子模型，得到第二输出结果；

根据目标输出结果，确定所述待评价图像的图像质量，其中，所述目标输出结果包括所述第一输出结果和所述第二输出结果。

可选的，在所述根据目标输出结果，确定所述待评价图像的图像质量之前，所述方法还包括：

提取所述待评价图像的第三特征数据；

将所述待评价图像的第三特征数据，输入至预先训练好的WideDeep模型中的第二Deep网络子模型，得到第三输出结果；

所述根据目标输出结果，确定所述待评价图像的图像质量，包括：

根据所述第一输出结果、所述第二输出结果和所述第三输出结果，确定所述待评价图像的图像质量。

可选的，所述根据所述第一输出结果、所述第二输出结果和所述第三输出结果，确定所述待评价图像的图像质量，包括：

根据训练所述WideDeep模型确定出的所述第一输出结果、所述第二输出结果和所述第三输出结果各自的权重，计算所述第一输出结果、所述第二输出结果和所述第三输出结果的加权和；