CN106570504A - 一种图像质量评价系统及方法 - Google Patents

一种图像质量评价系统及方法 Download PDF

Info

Publication number
CN106570504A
CN106570504A CN201610889495.7A CN201610889495A CN106570504A CN 106570504 A CN106570504 A CN 106570504A CN 201610889495 A CN201610889495 A CN 201610889495A CN 106570504 A CN106570504 A CN 106570504A
Authority
CN
China
Prior art keywords
image
quality
module
original image
quality score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610889495.7A
Other languages
English (en)
Inventor
任小芹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Science And Technology Co Ltd
Original Assignee
Chengdu Science And Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Science And Technology Co Ltd filed Critical Chengdu Science And Technology Co Ltd
Priority to CN201610889495.7A priority Critical patent/CN106570504A/zh
Publication of CN106570504A publication Critical patent/CN106570504A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Abstract

本发明公开了一种图像质量评价系统及方法，其系统包括：图像数据模块，用于存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；特征提取模块，用于对输入图像和所述原始图像进行特征提取，得到图像特征；模型生成模块，用于根据所述特征提取模块在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征‑质量得分关系模型；图像评价模块，用于根据所述特征提取模块在所述输入图像中提取到的图像特征和所述图像特征‑质量得分关系模型，自动对所述输入图像进行质量评分。本发明能够快速地对输入图像进行质量评价。

Description

一种图像质量评价系统及方法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像质量评价系统及方法。
背景技术
随着手机拍照的普及，消费者对照片质量的要求越来越高，而如何评价一张照片是否被消费者喜爱，是摄像头生产过程中必不可少的一个环节。目前有两种评价方法：一是直接让人来对照片进行评价；二是通过计算机对图片进行评价。前者得到的评价结果更加符合大众的想法，但耗费的成本过高；后者是尽量接近人类的想法，并且成本低、速度快。
目前有较好的实验效果的图像质量评价系统都是针对实验室的标准数据库图片，这些图片或是通过非常好的设备拍摄得到，或是由电脑特殊处理生成，此类结果虽然好，但是不具有普适性。生活中的大多数图片来源于优劣有差异的设备，并且拍摄大多为自然场景，因此，图像质量评价的主体也应是这一类图片。
发明内容
本发明的目的在于克服现有技术的不足，提供一种图像质量评价系统及方法，能够快速地对输入图像进行质量评价。
本发明的目的是通过以下技术方案来实现的：一种图像质量评价系统，包括：图像数据模块，用于存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；特征提取模块，用于对输入图像和所述原始图像进行特征提取，得到图像特征；模型生成模块，用于根据所述特征提取模块在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型；图像评价模块，用于根据所述特征提取模块在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
优选的，在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
所述图像特征包括对称广义高斯分布特征和非对称广义高斯分布特征。
优选的，还包括原始评分获取模块，所述原始评分模块用于对所述n幅原始图像的进行人工质量评分。
所述原始评分获取模块包括：分组模块，用于将所述n幅原始图像以每两幅一组分为m组；评价模块，用于根据外部人工指令，在每组图像中选择更好的一幅图像；计算模块，用于根据两两比较结果，计算所述n幅原始图像各自分数。
优选的，对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
一种图像质量评价方法，包括：存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；对输入图像和所述原始图像进行特征提取，得到图像特征；根据在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型；根据所述在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
优选的，在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
优选的，还包括对所述n幅原始图像的进行人工质量评分。
对所述n幅原始图像的进行人工质量评分包括：将所述n幅原始图像以每两幅一组分为m组；根据外部人工指令，在每组图像中选择更好的一幅图像；根据两两比较结果，计算所述n幅原始图像各自分数。
优选的，对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
本发明的有益效果是：本发明对任意自然的图像都能得出更接近人类评价的结果，相比目前普遍采用的回归方法-支持向量机的评价结果与人类评价结果的相似度只有60%，本发明的评价结果与人类评价结果的相似度能够达到80%。
附图说明
图1为本发明中图像质量评价系统的示意图；
图2为本发明中图像质量评价方法的流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种图像质量评价系统，包括：图像数据模块，用于存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；特征提取模块，用于对输入图像和所述原始图像进行特征提取，得到图像特征；模型生成模块，用于根据所述特征提取模块在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型；图像评价模块，用于根据所述特征提取模块在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
优选的，在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
所述图像特征包括对称广义高斯分布特征和非对称广义高斯分布特征。
优选的，还包括原始评分获取模块，所述原始评分模块用于对所述n幅原始图像的进行人工质量评分。
所述原始评分获取模块包括：分组模块，用于将所述n幅原始图像以每两幅一组分为m组；评价模块，用于根据外部人工指令，在每组图像中选择更好的一幅图像；计算模块，用于根据两两比较结果，计算所述n幅原始图像各自分数。
在一个实施例中，n为偶数，m=n/2,根据外部人工指令，在m组图像中选择更好的一幅图像评价，评价完成后，重新对n幅原始图像分为n/2组，且不与之前的分组相同，重复k次进行评价。
优选的，对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
如图2所示，一种图像质量评价方法，包括：
存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数。
优选的，还包括对所述n幅原始图像的进行人工质量评分。
对所述n幅原始图像的进行人工质量评分包括：将所述n幅原始图像以每两幅一组分为m组；根据外部人工指令，在每组图像中选择更好的一幅图像；根据两两比较结果，计算所述n幅原始图像各自分数。
对输入图像和所述原始图像进行特征提取，得到图像特征。
根据在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型。
在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
根据所述在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
优选的，对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (11)

1.一种图像质量评价系统，其特征在于，包括：
图像数据模块，用于存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；
特征提取模块，用于对输入图像和所述原始图像进行特征提取，得到图像特征；
模型生成模块，用于根据所述特征提取模块在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型；
图像评价模块，用于根据所述特征提取模块在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
2.根据权利要求1所述的图像质量评价系统，其特征在于，其中在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
3.根据权利要求1所述的图像质量评价系统，其特征在于，其中所述图像特征包括对称广义高斯分布特征和非对称广义高斯分布特征。
4.根据权利要求1所述的图像质量评价系统，其特征在于，还包括原始评分获取模块，所述原始评分模块用于对所述n幅原始图像的进行人工质量评分。
5.根据权利要求4所述的图像评价系统，其特征在于，其中对所述原始评分获取模块包括：
分组模块，用于将所述n幅原始图像以每两幅一组分为m组；
评价模块，用于根据外部人工指令，在每组图像中选择更好的一幅图像；
计算模块，用于根据两两比较结果，计算所述n幅原始图像各自分数。
6.根据权利要求1所述的图像评价系统，其特征在于，其中对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
7.一种图像质量评价方法，其特征在于，包括：
存储n幅原始图像及每幅原始图像各自对应的质量得分,n为大于1的正整数；
对输入图像和所述原始图像进行特征提取，得到图像特征；
根据在所述n幅原始图像中所提取到的图像特征和所述n幅原始图像对应的质量得分，采用迭代拟合法进行迭代拟合，形成图像特征-质量得分关系模型；
根据所述在所述输入图像中提取到的图像特征和所述图像特征-质量得分关系模型，自动对所述输入图像进行质量评分。
8.根据权利要求7所述的图像质量评价方法，其特征在于，其中在迭代拟合过程中，采用梯度推进算法获得最优图像特征-质量得分关系模型。
9.根据权利要求7所述的图像质量评价方法，其特征在于，还包括对所述n幅原始图像的进行人工质量评分。
10.根据权利要求9所述的图像质量评价方法，其特征在于，其中对所述n幅原始图像的进行人工质量评分包括：
将所述n幅原始图像以每两幅一组分为m组；
根据外部人工指令，在每组图像中选择更好的一幅图像；
根据两两比较结果，计算所述n幅原始图像各自分数。
11.根据权利要求7所述的图像质量评价方法，其特征在于，其中对所述输入图像的图像特征提取晚于形成所述图像特征-质量得分关系模型。
CN201610889495.7A 2016-10-12 2016-10-12 一种图像质量评价系统及方法 Pending CN106570504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610889495.7A CN106570504A (zh) 2016-10-12 2016-10-12 一种图像质量评价系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610889495.7A CN106570504A (zh) 2016-10-12 2016-10-12 一种图像质量评价系统及方法

Publications (1)

Publication Number Publication Date
CN106570504A true CN106570504A (zh) 2017-04-19

Family

ID=58531752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610889495.7A Pending CN106570504A (zh) 2016-10-12 2016-10-12 一种图像质量评价系统及方法

Country Status (1)

Country Link
CN (1) CN106570504A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492290A (zh) * 2018-03-19 2018-09-04 携程计算机技术（上海）有限公司 图像评价方法及系统
CN109118470A (zh) * 2018-06-26 2019-01-01 腾讯科技（深圳）有限公司 一种图像质量评价方法、装置、终端和服务器
CN111179242A (zh) * 2019-12-25 2020-05-19 Tcl华星光电技术有限公司 图像处理方法及其装置
CN111275683A (zh) * 2020-01-20 2020-06-12 上海云从汇临人工智能科技有限公司 图像质量评分处理方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599274A (zh) * 2015-01-23 2015-05-06 宇龙计算机通信科技(深圳)有限公司 图像质量的评价方法与装置
CN105160653A (zh) * 2015-07-13 2015-12-16 中国人民解放军陆军军官学院 一种用于雾天图像的质量评价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599274A (zh) * 2015-01-23 2015-05-06 宇龙计算机通信科技(深圳)有限公司 图像质量的评价方法与装置
CN105160653A (zh) * 2015-07-13 2015-12-16 中国人民解放军陆军军官学院 一种用于雾天图像的质量评价方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492290A (zh) * 2018-03-19 2018-09-04 携程计算机技术（上海）有限公司 图像评价方法及系统
CN108492290B (zh) * 2018-03-19 2022-03-15 携程计算机技术（上海）有限公司 图像评价方法及系统
CN109118470A (zh) * 2018-06-26 2019-01-01 腾讯科技（深圳）有限公司 一种图像质量评价方法、装置、终端和服务器
CN111179242A (zh) * 2019-12-25 2020-05-19 Tcl华星光电技术有限公司 图像处理方法及其装置
CN111179242B (zh) * 2019-12-25 2023-06-02 Tcl华星光电技术有限公司 图像处理方法及其装置
CN111275683A (zh) * 2020-01-20 2020-06-12 上海云从汇临人工智能科技有限公司 图像质量评分处理方法、系统、设备及介质
CN111275683B (zh) * 2020-01-20 2021-01-29 上海云从汇临人工智能科技有限公司 图像质量评分处理方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
Hsu et al. Progressive domain adaptation for object detection
US10936911B2 (en) Logo detection
CN106528642B (zh) 一种基于tf-idf特征提取的短文本分类方法
CN106570504A (zh) 一种图像质量评价系统及方法
CN112070729B (zh) 一种基于场景增强的anchor-free遥感图像目标检测方法及系统
US9613296B1 (en) Selecting a set of exemplar images for use in an automated image object recognition system
CN111860171A (zh) 一种大规模遥感图像中不规则形状目标的检测方法及系统
CN105022754A (zh) 基于社交网络的对象分类方法及装置
Han et al. A new method in wheel hub surface defect detection: Object detection algorithm based on deep learning
CN104794455B (zh) 一种东巴象形文字识别方法
CN107729901A (zh) 图像处理模型的建立方法、装置及图像处理方法及系统
CN108399382A (zh) 车险图像处理方法和装置
CN107423306A (zh) 一种图像检索方法及装置
CN110489574A (zh) 一种多媒体信息推荐方法、装置和相关设备
CN105160290A (zh) 一种基于改进型稠密轨迹的移动边界采样的行为识别方法
Dai et al. Fudan at MediaEval 2013: Violent Scenes Detection Using Motion Features and Part-Level Attributes.
CN107330363B (zh) 一种快速的互联网广告牌检测方法
CN113486898A (zh) 一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法及系统
Jin et al. The Open Brands Dataset: Unified brand detection and recognition at scale
CN107563324A (zh) 一种基于核基础超限学习机的高光谱图像分类方法及装置
CN109214275B (zh) 一种基于深度学习的低俗图片识别方法
CN116630749A (zh) 工业设备故障检测方法、装置、设备以及存储介质
Peng et al. Evaluating deep learning for image classification in adversarial environment
Zhou et al. Feature sampling strategies for action recognition
Cengiz et al. Pedestrian and vehicles detection with ResNet in aerial images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170419

RJ01 Rejection of invention patent application after publication