[发明专利]一种图像质量评估方法、系统、电子设备及存储介质

权利要求书

1.一种图像质量评估方法，其特征在于，包括：

基于多个不同的卷积核分别对待评估图像进行去噪，计算去噪后的待评估图像的梯度图，并对所述梯度图进行标准化；

对标准化后的所述梯度图进行二值化，并基于二值化梯度图提取待评估图像中的感兴趣区域；

基于所述感兴趣区域的梯度矩阵和所述感兴趣区域的面积，计算每一个卷积核去噪后的待评估图像的质量评分；

基于每一个卷积核去噪后的待评估图像的质量评分，计算待评估图像的最终质量评分。

2.根据权利要求1所述的图像质量评估方法，其特征在于，所述对标准化后的所述梯度图进行二值化，并基于二值化梯度图提取待评估图像中的感兴趣区域，包括：

使用聚类算法对所述梯度图进行二值化，基于二值化梯度图将所述待评估图像分为两类，提取梯度值大的一类像素点组成的区域为所述待评估图像中的感兴趣区域。

3.根据权利要求1或2所述的图像质量评估方法，其特征在于，所述感兴趣区域包括多个感兴趣子区域，所述感兴趣子区域包括至少一个像素点，所述对标准化后的梯度图进行二值化，并基于二值化梯度图提取待评估图像中的感兴趣区域，之后还包括：

剔除感兴趣区域中的异常感兴趣子区域；

且所述基于所述感兴趣区域的梯度矩阵和所述感兴趣区域的面积，计算每一个卷积核去噪后的待评估图像的质量评分包括：

基于完成剔除后的所述感兴趣区域的梯度矩阵和面积，计算每一个卷积核去噪后的待评估图像的质量评分。

4.根据权利要求3所述的图像质量评估方法，其特征在于，所述剔除感兴趣区域中的异常感兴趣子区域，包括：

计算各个所述感兴趣子区域的梯度平均值；

将梯度平均值大于或等于预设梯度阈值的感兴趣子区域剔除。

5.根据权利要求1或2所述的图像质量评估方法，其特征在于，所述基于所述感兴趣区域的梯度矩阵和所述感兴趣区域的面积，计算每一个卷积核去噪后的待评估图像的质量评分，包括：

基于感兴趣区域的梯度矩阵中的梯度最大值、梯度矩阵的标准差和感兴趣区域的面积，计算每一个卷积核对应的增益系数；

基于所述增益系数、感兴趣区域的梯度矩阵、感兴趣区域的梯度矩阵的二值化掩模以及感兴趣区域的面积，计算每一个卷积核去噪后的待评估图像的质量评分。

6.根据权利要求5所述的图像质量评估方法，其特征在于，所述基于感兴趣区域的梯度矩阵中的梯度最大值、梯度矩阵的标准差和感兴趣区域的面积，计算每一个卷积核对应的增益系数，包括：

F_w＝MAX(GN(x，y))×[STD(G(x，y))]²/A_roi；

其中，F_w为第w个卷积核对应的增益系数，MAX(GN(x，y))为感兴趣区域标准化后的梯度矩阵GN(x，y)中的梯度最大值，STD(G(x，y))为梯度矩阵的标准差，A_roi为感兴趣区域的面积；

所述基于所述增益系数、感兴趣区域的梯度矩阵、感兴趣区域的梯度矩阵的二值化掩模以及感兴趣区域的面积，计算每一个卷积核去噪后的待评估图像的质量评分，包括：

其中，M_ROI为梯度矩阵的二值化掩模，通过聚类算法得到该二值化掩模，∑|GN(x，y)∧M_ROI|为标准化后的梯度矩阵GN(x，y)中的梯度值与二值化掩模M_ROI进行逻辑与后的绝对值的总和，A_roi为感兴趣区域的面积，S_w为第w个卷积核去噪后的待评估图像的质量评分。

7.根据权利要求6所述的图像质量评分方法，其特征在于，所述基于每一个卷积核去噪后的待评估图像的质量评分，计算待评估图像的最终质量评分，包括：

其中，n为卷积核的个数，w∈[1，n]，k_w为第w个卷积核大小，S_w为第w个卷积核去噪后的待评估图像的质量评分，Score为待评估图像的最终质量评分。