[发明专利]基于显著性策略与特征融合无参考图像质量评价方法

权利要求书

1.一种基于显著性策略与多尺度特征融合的无参考图像质量评价方法，包括下列步骤：

1)对待评价图像进行预处理，将其转换成灰度图像并分成不重叠的小图像块，对小图像块进行筛选，选取显著性图像块作为输入样本，同时计算每个图像块的显著性得分；

其中，具体预处理方式为将原始图像分成256个32×32的不重叠图像块；计算显著性得分的方式为对灰度图像使用GBVS算法计算每个像素点的显著性分值，图像块对应的显著性得分为该图像块的所有像素对应显著性分值求和；筛选的具体方式为：将所有图像块依据显著性分值进行排序，选取显著性分值排序靠前的25%图像块作为显著性图像块，并将显著性图像块作为输入样本；

2)采用双流结构的卷积神经网络对输入样本进行特征提取，一个流侧重于提取初级特征，称其为初级特征提取网络，另一个带上采样网络的流侧重于提取高级特征，称其为高级特征提取网络；

其中，初级特征提取网络包含三个模块，每个模块包含三个卷积层与一个最大池化层，该网络的输入样本为预处理中获取的显著性图像块，网络提取的特征最终被映射成为节点数为512的全连接层；高级特征提取网络的结构与初级特征提取网络相同，初级特征提取网络的前两个模块的输出特征图经过上采样处理，与输入样本进行级联，作为高级特征提取网络的输入，网络的输出同样为节点数为512的全连接层；

将提取到的初级特征与高级特征进行合并，再通过节点数为1024的全连接层映射后获取显著性图像块的局部质量分数；最后，利用显著性加权模型计算每个显著性图像块的权重，根据权重计算最终的预测得分，即：将显著性图像块的局部质量分数与对应的显著性权重相乘之后求和获取最终预测得分。

2.根据权利要求1所述的无参考图像质量评价方法，其特征在于，显著性图像块的显著性权重的计算方式为：对每幅图像对应的显著性图像块计算显著性得分总值，每个显著性图像块的显著性权重表示为该显著性图像块的显著性分值与显著性得分总值的比值。