[发明专利]一种图像美学质量评价方法

说明书

本发明涉及一种无需训练的图像美学质量评价方法，包括下列步骤：第一步：由原始彩色图像得到全局视图；第二步：由原始彩色图像得到局部视图；第三步：提取特征，分别从全局视图和局部视图中提取特征。方法如下：仍然选择ResNet‑50网络为基准网络；保留ResNet‑50基准网络从开始到“avg_pool”层不变，得到特征提取网络；将全局视图输入特征提取网络，得到全局特征；将局部视图输入特征提取网络，得到局部特征；第四步：美学质量评价：采用二分类的方法进行美学评价，即将被评价图像分为“美的图像”和“丑的图像”。

技术领域

本发明涉及图像美学质量评价领域。

背景技术

随着照相机、摄像机、智能手机快速普及，图像、视频等可视内容数据与日俱增，可视内容感知理解已经成为计算机视觉等相关研究领域的国际前沿方向。其中图像美学质量评价(ImageAesthetic Quality Assessment，IAQA)更是研究热点。

图像美学质量评价具有主观性，往往会涉及情感和个人品味，然而，图像美学质量评价的理论依据是：人们往往会达成一种共识，即一些图像在视觉上比其他图像更有吸引力。研究人员希望用计算机模仿人类的审美过程，预测人类对视觉刺激产生的情绪反应，从而自动预测图像的美学质量。

发明内容

本发明所需要解决的技术问题是提供一种无参考图像美学质量评价方法，本方法无需训练神经网络，并且可有效提高客观评价结果与主观感知的相关性。本发明解决上述技术问题所采用的技术方案为：

一种无需训练的图像美学质量评价方法，包括下列步骤：

第一步：由原始彩色图像得到全局视图

为了保留全局信息，直接将原始彩色图像缩放成形状为224×224×3的图像块，作为全局视图输入P₁；

第二步：由原始彩色图像得到局部视图

为了保留细节信息，从原始彩色图像中切割出一块形状为224×224×3的图像块，作为局部视图输入。方法如下：

1)选择ResNet-50网络为基准网络；

2)保留ResNet-50基准网络从开始到“activation_49”层不变，在其后添加全局平均池化层，得到图像切块网络Net_c；

3)将P₁输入图像切块网络Net_c，得到形状为7×7的输出，选取这49个元素数值中最大的一个，记录其索引(i,j)；i＝1,…7,j＝1,…7；

4)将原始图像沿长和宽分别等距划分为7块，取索引为(i,j)的图像块的中心作为切块中心，从原始彩色图像中切割出一块形状为224×224×3的图像块，得到局部视图输入P₂；

第三步：提取特征

分别从全局视图和局部视图中提取特征；方法如下：

1.仍然选择ResNet-50网络为基准网络；

2.保留ResNet-50基准网络从开始到“avg_pool”层不变，得到特征提取网络Net_f；

3.将全局视图输入P₁输入特征提取网络Net_f，得到全局特征F₁；

4.将局部视图输入P₂输入特征提取网络Net_f，得到局部特征F₂；

第四步：美学质量评价