[发明专利]基于孪生网络的增强图像质量评价方法

摘要

本发明公开了一种基于孪生网络的增强图像质量评价方法。主要解决现有技术评价尺度单一，且计算复杂度大，计算时间长，实时性差的问题。其实现方案是：1)获取待评价的图像样本；2)对待评价的图像样本进行预处理；3)对预处理后的图像提取其有效特征；4)构建孪生网络，并用从图像中提取的有效特征和与图像相对应的训练标签来训练孪生网络；5)用训练好的孪生网络对测试图像样本进行质量评价。本发明结合深度孪生网络，获取更丰富更深层的图像信息，减小了计算复杂度，缩短了计算时间，提高了对图像质量评价的准确率，可用于图像的采集、管理、传输和处理。

主权项

1.一种基于孪生网络的增强图像质量评价方法，包括如下：(1)从CCID数据集中任意获取已知分数标签的图像作为训练样本集，从CCID数据集中任意获取不同于训练样本的已知分数标签的图像作为测试样本集；(2)对训练样本集和测试样本集中每个标准图像x_s和其对应的失真图像x_d一一配对，组成图像对(x_s，x_d)，得到配对后的训练样本集和测试样本集；(3)对每个图像对(x_s，x_d)中的两张图进行中心裁剪，剪裁为大小300×300的局部图像，再对局部图进行对比度归一化处理，得到预处理后训练样本集和测试样本集；(4)构建由特征提取器和回归器构成孪生网络，该特征提取器是由两条结构相同的通路构成，其中每一条通路都是一组VGG16的卷积层，且这两条通路参数共享；该回归器为两层全连接层；(5)训练孪生网络：(5a)将预处理后训练样本集中所有图像对(x_s，x_d)中的两张图，分别输入到孪生网络的特征提取器两条通道中，并用最后一层卷积层的权重分别作为这两张图各自的特征向量f_s和f_d；(5b)将两个特征向量f_s和f_d相减，作为特征差向量F_d，将差向量F_d输入到回归器中，训练回归器中的权重；(5c)用随机梯度下降法和反向传播法微调网络中的所有权重，得到训练好的孪生网络；(6)将配对后测试样本集中所有图像对(x_s，x_d)的两张图像分别输入到训练好的孪生网络中进行识别，得到图像对中失真图像的预测分数标签y_d。