[发明专利]一种无参考图像质量评价方法、系统、电子设备及存储介质

权利要求书

1.一种无参考图像质量评价方法，其特征在于，包括以下步骤：

S1、基于待评价图像获取若干样本图像块，并获取每一所述样本图像块对应的对比敏感度加权梯度图像；

S2、分别基于预设改进型ResNet-50获取所述样本图像块的多尺度内容特征和所述对比敏感度加权梯度图像的多尺度位置特征，并对所述多尺度内容特征和所述多尺度位置特征进行拼接融合以得到所述样本图像块的多尺度特征；

S3、分别获取所述样本图像块的高级内容特征和所述对比敏感度加权梯度图像的高级位置特征，对所述多尺度特征、所述高级内容特征和所述高级位置特征进行特征拼接以得到拼接特征图，对所述拼接特征图进行全连接神经网络映射以获取所述样本图像块的预测质量分数；

S4、根据所有所述样本图像块的预测质量分数获取所述待评价图像的质量评价结果。

2.根据权利要求1所述的无参考图像质量评价方法，其特征在于，

在所述步骤S2中，所述分别基于预设改进型ResNet-50获取所述样本图像块的多尺度内容特征和所述对比敏感度加权梯度图像的多尺度位置特征，并对所述多尺度内容特征和所述多尺度位置特征进行拼接融合以得到所述样本图像块的多尺度特征；包括以下步骤：

S21、获取所述样本图像块基于所述预设改进型ResNet-50中预设结构层输出的第一特征图，和所述对比敏感度加权梯度图像基于预设结构层输出的第二特征图；

S22、拼接所述第一特征图和所述第二特征图以得到所述预设结构层对应的初级拼接特征图；

S23、对所述初级拼接特征图重新分配不同通道特征的重要性并进行全局平均池化以得到所述初级拼接特征图对应的一维向量；

S24、基于第一预设全连接层和第二预设全连接层生成所述一维向量中各通道的权重向量；

S25、基于所述权重限量对所述初级拼接特征图进行融合以得到融合特征图；

S26、对所述融合特征图进行全局平均池化以得到所述样本图像块的尺度特征，以根据所有的尺度特征得到所述样本图像块的多尺度特征。

3.根据权利要求2所述的无参考图像质量评价方法，其特征在于，在所述步骤S22中，所述预设结构层包括Conv2_10结构层，Conv3_12结构层和Conv4_18结构层。

4.根据权利要求2所述的无参考图像质量评价方法，其特征在于，所述方法还包括：

S261、通过1×1卷积减少所述融合特征图的通道数量，并对减少通道数量的融合特征图进行全局平均池化以得到所述样本图像块的多尺度特征。

5.根据权利要求3所述的无参考图像质量评价方法，其特征在于，在所述步骤S3中，所述全连接神经网络；包括三层全连接神经网络；

所述对所述拼接特征图进行全连接神经网络映射以获取所述样本图像块的预测质量分数，包括：基于以下公式获取样本图像块的预测质量分数：

q_i＝W₃ρ(W₂ρ(W₁F+b₁)+b₂)+b₃

其中，q_i为样本图像块i的预测质量分数，W₁、W₂和W₃分别为所述三层全连接神经网络的参数，b₁、b₂和b₃分别为所述三层全连接神经网络的偏置项，F为所述拼接特征，ρ(·)为ReLU激活函数。

6.根据权利要求1所述的无参考图像质量评价方法，其特征在于，在所述步骤S4中，所述根据所有所述样本图像块的预测质量分数获取所述待评价图像的质量评价结果，包括：

获取所有所述样本图像块的预测质量分数的平均值为所述待评价图像的质量评价结果。