[发明专利]基于通道注意力的无参考型图像质量评价方法

权利要求书

1.基于通道注意力的无参考型图像质量评价方法，其特征在于，包括以下步骤：

步骤1、将图像输入ResNet50网络中，分别通过ResNet50网络的layer1-4层进行特征提取，得到四个特征；

步骤2、将每个所述特征分别输入通道注意力层，获取图像的受关注区域特征；

步骤3、将每个所述受关注区域特征输入到特征增强模块，得到增强特征；

步骤4、将四个所述增强特征进行融合，经过融合特征；

步骤5、将所述融合特征输入到质量预测网络中进行质量预测，得到预测结果。

2.根据权利要求1所述的基于通道注意力的无参考型图像质量评价方法，其特征在于，步骤1中的特征F_i通过下式进行提取：

F_i＝f(W_i*X) (1)；

上式中，X表示输入图像，W_i表示每层网络的整体参数，f(·)表示对图像进行特征提取。

3.根据权利要求2所述的基于通道注意力的无参考型图像质量评价方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1、对特征F_i进行全局池化操作，得到聚合空间信息F_avg：

F_avg＝AvgPool(F_i) (2)；

上式中，AvgPool表示全局平均池化操作；

步骤2.2、利用1*1的卷积对F_avg进行降维与升维处理，并通过激活函数得到通道注意力权重系数M：

M＝σ(W₁(W₀(F_avg))) (3)；

上式中，W₀、W₁表示降维与升维时的权重参数，σ为Sigmoid激活函数；

步骤2.3、将所述权重系数M与特征F_i进行叠加，得到受关注区域特征F_i′：

4.根据权利要求3所述的基于通道注意力的无参考型图像质量评价方法，其特征在于，步骤3具体包括以下步骤：

步骤3.1、将每个所述受关注区域特征F_i′分别进行多尺度池化操作，得到多尺度特征，并将每个多尺度特征进行融合得到多尺度信息流

步骤3.2，对所述多尺度信息流进行1*1与3*3的卷积操作，并通过激活函数得到增强矩阵M_e：

上式中，W₂、W₃表示1*1与3*3卷积的权重参数，σ为Sigmoid激活函数；

步骤3.3，将每个受关注区域特征F_i′分别与增强矩阵进行叠加，得到增强特征F_i″：

5.根据权利要求1所述的基于通道注意力的无参考型图像质量评价方法，其特征在于，步骤5中采用回归网络进行质量预测，所述质量预测网络由四层全连接层组成。