[发明专利]基于空间注意力机制的无参考图像质量评价方法

权利要求书

1.基于空间注意力机制的无参考图像质量评价方法，其特征在于：具体包括如下步骤：

步骤1，将失真图像输入到特征提取网络中，提取失真图像的多尺度深层语义特征；

步骤2，将经步骤1得到的失真图像的多尺度语义特征输入到空间域注意力模块中，提取多尺度语义特征的空间域注意力特征；

步骤3，将经步骤1得到的失真图像的多尺度深层语义特征与经步骤2得到的空间域注意力特征使用拼接方式进行融合，得到失真图像的多尺度空间注意力融合特征；

步骤4，将步骤3得到的失真图像的多尺度融合特征使用拼接方式进行融合，得到最终输入到回归网络的融合特征；

步骤5，将经步骤4得到的融合特征输入到回归网络中，得到图像的预测得分。

2.根据权利要求1所述的基于空间注意力机制的无参考图像质量评价方法，其特征在于：所述步骤1的具体过程为：采用Resnet50网络提取失真图像特征，得到失真图像的多尺度深层语义特征矩阵：

其中，表示Resnet50网络模型，θ表示失真图像I_d在特征提取模块中的权重参数，v_∞表示失真图像I_d提取的多尺度深层特征。

3.根据权利要求2所述的基于空间注意力机制的无参考图像质量评价方法，其特征在于：所述步骤2的具体过程为：

步骤2.1，将失真图像的多尺度语义特征v_∞输入到一个卷积层后生成两个新的映射A与B，在映射A与B的转置之间进行矩阵乘法，并应用一个softmax层来计算空间注意力特征：

式中：S_ji表示第i个位置对第j个位置的空间注意力影响，A_i为映射A的第i个元素、B_j为映射B的第j个元素；

步骤2.2，将失真的多尺度深层语义特征v_∞输入到另一个卷积层，生成新的特征映射M，接下来在M与S转置之间进行矩阵乘法操作，最终得到空间注意力输出特征f_i：

式中：α为权重，初始化为0；M_i为映射M的第i个元素。

4.根据权利要求3所述的基于空间注意力机制的无参考图像质量评价方法，其特征在于：所述步骤3具体为：

将经步骤1得到的失真图像的多尺度深层语义特征与步骤2得到的空间域注意力特征进行像素级求和运算，得到多尺度空间注意力融合特征F_∞：

F_∞＝f_i+(v_∞)_j (4)；

其中，f_i为空间注意力输出特征的第i个元素，(v_∞)_j为特征集v_∞中的第j个元素。

5.根据权利要求4所述的基于空间注意力机制的无参考图像质量评价方法，其特征在于：所述步骤4具体为：

采用如下公式(5)得到最终输入到回归网络的融合特征f；

f＝concat(F_∞) (5)；

其中，F_∞表示conv2_10、conv3_12、conv4_18与特征提取网络中最后一层的多尺度特征。