[发明专利]一种基于特征相融的图像质量评估方法

说明书

本发明公开一种基于特征相融的图像质量评估方法，包括步骤：S10,根据目标图像，通过收集模型获取比较图像；S20,对待测的目标图像和比较图像，进行特征提取；S30,根据相融性量化分析目标图像和比较图像的特征值，获得评估结果。本发明在缺少标准原图像的情况下实现图像质量评估，能够实现各种质量图片的有效评估，评估结果准确。

技术领域

本发明属于图像质量评估技术领域，特别是涉及一种基于特征相融的图像质量评估方法。

背景技术

通过生成对抗网络(GAN)生成的图像显示具有很好的灵活性，但是其图片结果通常因为质量很低而无法使用。这些类型的图片的失真通常与感知方面有关，而不是纯噪声或模糊(例如，生成的较差的鸟类图像可能不包含头部或翅膀)。在某些生成任务中，这些失真可能比图像到图像的形式更明显。例如，由于从较少的信息(文字描述)到更多的信息(图像)的转换过程，由自然语言描述生成的图片将陷入这个问题。为这些类型的图像找到一种有效的质量评估方法能够保证这些图片的基本质量，只有生成图片的质量达到一定水准后才能让这些图片实际投入使用，而评估方法的缺失无疑是应用需求中的大障碍。

在现有技术中，评估策略往往从全局出发，能够从大量图片整体的角度为生成图片打分。然而，这种方法仅测量总体可识别性和多样性，却没有关注单个图像。评估图像本身是进一步优化结果和应用程序所必需的。传统的图像质量评估(IQA)方法可以为单个图像提供评估。通常，这些解决方案分为全参考(FR)和无参考(NR)。基于人类视觉系统(HVS)对视觉信号的敏感性或基于图像结构的方法结构相似性指数(SSIM)的研究可以被视为代表性的FR方法。但是它们对于生成的图像没有用，因为由于生成过程中的随机性和不可控性，因此找不到基于像素级别的原始图像。考虑唯一可行的现存无参考图像质量评估方法，它们也不太适合生成图像。大多数方法都涉及像素级失真(例如模糊或纯噪声)，这不适合所生成图像的特性。从理论上讲，一些特别针对美学方面的评估工作可能适用于这种情况。那是因为美学与主观感知是分不开的。但是，生成任务的评估设计需要考虑与一个特定图像集有关的相对质量，通过该特定图像集被用作生成资源(训练数据)；否则，指标对优化的贡献可忽略不计。因此，现有的这些方法与指导生成的资源集不相关，无法实现广域图像质量评估，无法实现生成图像质量评估的问题，无法在缺少标准原图像的情况下实现图像质量评估，在图像质量评估领域数据集难以获得。

发明内容

为了解决上述问题，本发明提出了一种基于特征相融的图像质量评估方法，在缺少标准原图像的情况下实现图像质量评估，能够实现各种质量图片的有效评估，评估结果准确。

为达到上述目的，本发明采用的技术方案是：一种基于特征相融的图像质量评估方法，包括步骤：

S10,根据目标图像，通过收集模型获取比较图像；

S20,对待测的目标图像和比较图像，进行特征提取；

S30,根据相融性量化分析目标图像和比较图像的特征值，获得评估结果。

进一步的是，所述步骤S10，包括步骤：

通过卷积神经网络提取待目标图像的语义特征；

根据所提取的语义特征选取用于对比的比较图像。

进一步的是，使用RESNET预训练模型提取目标图像的特征，在经过SoftMax函数后，得到图片的语义类别概率，根据语义类别概率选取N张比较图片，对于第i个语义类别，选取n_i张图片：

N表示待选取比较图片的总数量，可根据需求和硬件情况设置；n_c代表数据集中图片语义类别的总数量；c_j表示第j个语义类中图片的数量，c_i表示第i个语义类中图片的数量。

进一步的是，所述步骤S20，包括步骤：