[发明专利]一种图像质量等级确定方法、装置及电子设备

说明书

本发明实施例公开了一种图像质量等级确定方法、装置及电子设备，所述方法包括：获取目标遥感图像；将所述目标遥感图像输入预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，所述卷积神经网络模型为基于历史遥感图像，通过标准批量规范化层、卷积层、特征提取层以及全池化层进行训练得到，其中，所述特征提取层包括预设数量的所述标准批量规范化层和所述卷积层。通过本方法，可以准确的对目标遥感图像进行图像质量等级确定，即可以准确的获取目标遥感图像的质量等级。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像质量等级确定方法、装置及电子设备。

背景技术

遥感图像质量等级分类不仅能够为遥感图像处理提供先验信息，还能够为遥感图像客观质量评价提供手段，因此，如何对遥感图像进行质量等级分类成为一个值得关注的焦点问题。

目前，可以通过美国国家图像解译度分级标准(National ImageryInterpretability Rating Scale，NIIRS)对遥感图像进行质量评价，例如，可以通过获取遥感图像的相关参数(如地面采样距离、相对边缘想要、未进行后处理的图像信噪比等参数)，并根据NIRS的质量方程，计算遥感图像的质量信息。

但是，由于遥感图像的相关参数存在较难获取的问题，且上述NIRS的质量方程中，对遥感图像的相关参数要求较高，如对遥感图像的相对边缘响应的计算需要较高(即需求遥感图像都要有合适的刃边形状特征)、不同的图像信噪比的计算方法也较多等，所以，上述采用NIRS质量方程进行遥感图像质量等级分类时，存在适用性差的问题，且无法准确的对遥感图像进行质量等级分类。

发明内容

本发明实施例的目的是提供一种图像质量等级确定方法、装置及电子设备，以解决现有技术中在对遥感图像进行图像质量等级确定时，存在确定准确性差的问题。

为解决上述技术问题，本发明实施例是这样实现的：

第一方面，本发明实施例提供的一种图像质量等级确定方法，所述方法包括：

获取目标遥感图像；

将所述目标遥感图像输入预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，所述卷积神经网络模型为基于历史遥感图像，通过标准批量规范化层、卷积层、特征提取层以及全池化层进行训练得到，其中，所述特征提取层包括预设数量的所述标准批量规范化层和所述卷积层。

所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，包括：

确定与所述目标遥感图像对应的目标树状结构，并获取与所述目标树状结构对应的预先训练的目标卷积神经网络模型，所述目标卷积神经网络模式是基于所述目标树状结构和所述历史遥感图像，通过所述标准批量规范化层、所述卷积层、所述特征提取层以及所述全池化层进行训练得到，所述目标树状结构包括但不限于二叉树结构、三叉树结构、四叉树结构、五叉树结构和六叉树结构中的一种或多种；

将所述目标遥感图像输入所述预先训练的目标卷积神经网络模型，得到所述目标遥感图像的质量等级。

可选地，在所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级之前，所述方法还包括：

获取所述历史遥感图像以及每个所述历史遥感图像对应的预设质量等级；

对所述历史遥感图像进行预处理，得到符合预设标准化条件的所述历史遥感图像；

基于所述符合预设标准化条件的历史遥感图像以及每个所述历史遥感图像对应的预设质量等级，对所述卷积神经网络模型进行训练，得到所述训练后的卷积神经网络模型；

所述将所述目标遥感图像输入所述预先训练的卷积神经网络模型，得到所述目标遥感图像的质量等级，包括：