[发明专利]直播封面图像质量检测方法、装置、设备及存储介质

权利要求书

1.一种直播封面图像质量检测方法，其特征在于，所述方法包括步骤：

将待测图像输入预先构建的图像分类器，获取所述待测图像属于正常图像的概率值以及分别属于若干种类的异常图像的概率值，并根据预先设置的正常概率阈值以及所述若干种类的异常图像分别对应的异常概率阈值，将所述待测图像划分为初筛正常图像和若干种类的异常图像；其中，所述图像分类器由正常图像样本集和若干种类的异常图像样本集训练而成；

将所述初筛正常图像输入预设的图像质量多元特征评估模型，获取所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值，将所述距离值不大于预设距离阈值的初筛正常图像划分为正常图像，将所述距离值大于距离阈值的初筛正常图像划分为异常图像，其中，所述图像质量多元特征评估模型是通过对自然图像数据集提取多维特征，并以所述多维特征构建的多元高斯模型，所述自然图像数据集的多维特征符合多元高斯分布。

2.根据权利要求1所述的直播封面图像质量检测方法，其特征在于：所述若干种类的异常图像样本集是分别对多个正常图像施加相应种类的噪音数据生成。

3.根据权利要求2所述的直播封面图像质量检测方法，其特征在于：所述图像分类器采用深度残差网络的网络结构，根据所述正常图像样本集和若干种类的异常图像样本集以梯度下降的方式进行网络训练。

4.根据权利要求1至3任意一项所述的直播封面图像质量检测方法，其特征在于，所述图像质量多元特征评估模型的构建方法包括：

对自然图像数据集中的自然图像计算局部均值和像素邻域标准差，对所述自然图像进行图像像素归一化，获取所述自然图像的MSCN系数；

根据所述自然图像的像素邻域标准差，以及预设的标准差阈值，从所述自然图像中筛选出对于人眼敏感的显著区域；

根据所述MSCN系数以及零均值的广义高斯分布对所述自然图像的显著区域拟合自然场景统计特性，获得所述自然图像的多维特征；

根据获得的多维特征构建多元高斯模型，获得所述图像质量多元特征评估模型。

5.根据权利要求4所述的直播封面图像质量检测方法，其特征在于，按照以下方式对获得的多维特征构建所述多元特征的高斯模型f_X：

其中，fx是关于x的多元高斯模型；(x₁,x₂,...,x_k)为对所述自然图像的显著区域拟合自然场景统计特性，获得的所述自然图像的多维特征；k为自然图像个数；v为所述自然图像数据集的多维特征的多元高斯分布的均值；∑为所述自然图像数据集的多维特征的多元高斯分布的协方差，T为转置运算符。

6.根据权利要求5所述的直播封面图像质量检测方法，其特征在于，获取所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值的步骤包括：

提取所述初筛正常图像中相对应的多维特征，根据所述图像质量多元特征评估模型获取所述初筛正常图像中相对应的多维特征构成的多元高斯分布的均值和协方差与所述自然图像中相对应的多维特征构成的多元高斯分布的均值和协方差的差值；

根据所述差值计算所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值。

7.根据权利要求6所述的直播封面图像质量检测方法，其特征在于，根据所述差值计算所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值的步骤包括：

按照以下公式计算所述初筛正常图像的多维特征的多元高斯分布和自然图像数据集的多维特征的多元高斯分布的距离值：

其中，D为距离值，v₁为所述初筛正常图像的多维特征的多元高斯分布的均值，v₂为所述自然图像数据集的多维特征的多元高斯分布的均值，∑₁为所述初筛正常图像的多维特征的多元高斯分布的协方差，∑₂为所述自然图像的多维特征的多元高斯分布的协方差，T为转置运算符。