[发明专利]一种基于深度激活池化的图像质量评估方法

摘要

本发明实施例公开了一种基于深度激活池化的图像质量评估方法，该方法包括：将训练图像输入至卷积神经网络，得到卷积激活图；利用第一预设卷积层中的卷积激活图，得到卷积激活求和图，并进而得到训练图像的高对比度图像区域；基于每个高对比度图像区域的特征向量，训练得到原始多元高斯模型；获取测试图像每个高对比度图像区域的特征向量对应的多元高斯模型；将两个高斯模型进行对比，得到测试图像的每个高对比度图像区域的图像质量得分，对其进行加权处理得到测试图像的图像质量得分。本发明能够将重要的特征信息和笔画结构信息结合在特征向量中，达到有效挖掘显著特征信息和笔画结构信息的目的，从而提高图像质量评估的准确率。

主权项

1.一种基于深度激活池化的图像质量评估方法，其特征在于，该方法包括：步骤S1，将训练图像输入至预先训练得到的卷积神经网络中，得到卷积激活图；步骤S2，利用第一预设卷积层中的卷积激活图，得到卷积激活求和图；步骤S3，利用所述卷积激活求和图，得到所述训练图像的高对比度图像区域；步骤S4，对于每个高对比度图像区域进行特征提取，得到相应的特征向量；步骤S5，基于所述高对比度图像区域的特征向量，训练得到原始多元高斯模型；步骤S6，获取测试图像及其高对比度图像区域，并对于每个高对比度图像区域进行特征提取，得到相应的特征向量及对应的多元高斯模型；步骤S7，将所述多元高斯模型与所述原始多元高斯模型进行对比，得到测试图像的每个高对比度图像区域的图像质量得分；步骤S8，利用测试图像第二预设卷积层中的卷积激活求和图对相应的高对比度图像区域图像质量得分进行加权，得到整个测试图像的图像质量得分。