[发明专利]用于预测图像清晰度的神经网络、训练方法及预测方法

权利要求书

1.一种用于预测图像清晰度的神经网络训练方法，其特征在于，包括：

获取图像集及所述图像集中部分图像的清晰度标签，得到带有清晰度标签的图像样本及除图像样本之外的待扩充图像；

提取所述图像集中至少部分图像的清晰度特征，根据提取的清晰度特征得到待扩充图像中的至少部分图像的清晰度标签，对所述待扩充图像中的至少部分图像的清晰度标签进行校正以扩充图像样本并利用图像样本训练用于预测图像清晰度的神经网络，得到训练后的神经网络。

2.根据权利要求1所述的方法，其特征在于，所述提取所述图像集中至少部分图像的清晰度特征，根据提取的清晰度特征得到待扩充图像中的至少部分图像的清晰度标签，对所述待扩充图像中的至少部分图像的清晰度标签进行校正以扩充图像样本并利用图像样本训练用于预测图像清晰度的神经网络，得到训练后的神经网络包括：

根据图像样本训练所述神经网络；

利用训练得到的神经网络提取所述待扩充图像中的部分图像的清晰度特征以对所述待扩充图像中的部分图像进行清晰度预测，得到所述待扩充图像中的部分图像的清晰度标签；

判断所述待扩充图像中的部分图像的清晰度标签中需要校正的数量占比是否大于预设阈值：若大于，则进行校正并根据校正后的所述待扩充图像中的部分图像扩充图像样本，转入所述根据图像样本训练所述神经网络；若小于等于，则结束训练，得到训练后的神经网络。

3.根据权利要求2所述的方法，其特征在于，每次利用训练得到的神经网络进行清晰度预测的图像的数量递增。

4.根据权利要求1所述的方法，其特征在于，所述图像集包括多组图像，每组中的图像包含相同目标；所述获取所述图像集中部分图像的清晰度标签包括：获取每组图像中清晰度最高的图像的清晰度标签，得到带有清晰度标签的图像样本。

5.根据权利要求4所述的方法，其特征在于，所述提取所述图像集中至少部分图像的清晰度特征，根据提取的清晰度特征得到待扩充图像中的至少部分图像的清晰度标签，对所述待扩充图像中的至少部分图像的清晰度标签进行校正以扩充图像样本并利用图像样本训练用于预测图像清晰度的神经网络，得到训练后的神经网络包括：

提取所述图像集中各图像的清晰度特征；

计算各图像样本的清晰度特征与图像样本所属组中其他图像的清晰度特征之间的相似度；

根据所述相似度得到作为待扩充图像的每组中其他图像的清晰度标签，并对所述待扩充图像的清晰度标签进行校正以扩充图像样本；

利用扩充后的图像样本训练用于预测图像清晰度的神经网络，得到训练后的神经网络。

6.根据权利要求5所述的方法，其特征在于，在所述提取所述图像集中各图像的清晰度特征之前，还包括：

检测所述图像集中各图像的目标特征点，并根据所述目标特征点对每组图像中的各图像进行目标对齐。