[发明专利]评估图像质量的方法和装置

权利要求书

1.一种评估图像质量的方法，包括：

确定图像的至少三阶质量特征；

融合所述图像的至少三阶质量特征，以确定所述图像的质量评估结果；

输出所述图像的质量评估结果。

2.根据权利要求1所述的方法，所述至少三阶质量特征包括低阶质量特征、中阶质量特征和高阶质量特征：

所述低阶质量特征包括：对比度、亮度、色彩鲜艳度、空间复杂度、曝光度；

所述中阶质量特征至少包括：模糊度、块效应、噪声；

所述高阶质量特征包括基于无参考图像质量评价算法提取的质量特征。

3.根据权利要求2所述的方法，所述中阶质量特征还包括：弯曲效应、振铃效应中的至少一个。

4.根据权利要求1-3中任意一个权利要求所述的方法，所述融合采用基于回归分析算法的融合方式。

5.根据权利要求1-3中任意一个权利要求所述的方法，所述融合采用基于支持向量回归算法的融合方式。

6.根据权利要求2所述的方法，还包括：

基于所述图像的低阶质量特征，确定所述图像的与所述低阶质量特征对应的单项质量评估结果；

基于所述图像的中阶质量特征，确定所述图像的与所述中阶质量特征对应的单项质量评估结果；

输出所述图像的与所述低阶质量特征对应的评分结果和所述图像的与所述中阶质量特征对应的单项质量评估结果。

7.根据权利要求2所述的方法，所述确定图像的至少三阶质量特征包括：

将图像输入并行执行的低阶质量特征提取网络、中阶质量特征提取网络和高阶质量特征提取网络，获取图像的低阶质量特征、中阶质量特征和高阶质量特征；

融合所述图像的至少三阶质量特征，以确定所述图像的质量评估结果，包括：

基于支持向量回归算法的特征融合网络，融合所述图像的低阶质量特征、中阶质量特征和高阶质量特征，以确定所述图像的质量评估结果。

8.根据权利要求7所述的方法，所述低阶质量特征提取网络、中阶质量特征提取网络、高阶质量特征提取网络以及基于支持向量回归算法的特征融合网络组成网络质量评估模型；

所述图像质量评估模型的训练过程为：

将样本图像集中的多个样本图像输入至图像质量评估模型中，用样本图像的人工质量评估结果作为监督，对图像质量评估模型进行训练迭代，直至图像质量评估模型的损失函数降低到预设程度；所述样本图像标注了质量评估结果。

9.一种图像质量的评估框架，所述框架包括：质量特征确定层和融合层，其中，

所述质量特征确定层，用于确定输入图像的至少三阶质量特征；

所述融合层，用于融合所述质量特征确定层输出的图像的至少三阶质量特征，以确定所述图像的质量评估结果并输出。

10.根据权利要求9所述的框架，所述质量特征确定层包括并行执行的低阶质量特征提取网络、中阶质量特征提取网络和高阶质量特征提取网络，分别用于获取输入图像的低阶质量特征、中阶质量特征和高阶质量特征。

11.根据权利要求9所述的框架，所述融合层为基于回归分析算法的特征融合网络。

12.根据权利要求9所述的框架，所述融合层为基于支持向量回归算法的特征融合网络。

13.一种确定视频的封面图的方法，包括：

获取所述视频的候选封面图；

采用权利要求1-8任一项所述的方法对所述候选封面图进行质量评估，以得到候选封面图的质量评估结果；

根据多个所述候选封面图的质量评估结果，从多个所述候选封面图中选择出所述视频的封面图。