图像质量评价方法、装置、存储介质与电子设备与流程

技术特征：
1.一种图像质量评价方法，其特征在于，包括：获取目标图像在多个尺度下的基础特征图像；对每个尺度下的基础特征图像进行池化处理，并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征；对所述每个尺度下的基础特征图像进行卷积处理，以提取所述每个尺度下的语义特征，并根据所述语义特征确定每个尺度下的自适应参数；分别利用所述每个尺度下的自适应参数对相同尺度下的所述局部质量特征进行融合，得到每个尺度下的融合质量特征；基于所述每个尺度下的融合质量特征，确定所述目标图像的评价值。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取待评价图像；从所述待评价图像中截取多张预设尺寸的局部图像，以作为所述目标图像；在确定所述目标图像的评价值后，所述方法还包括：综合每一张所述目标图像的评价值，得到所述待评价图像的评价值。3.根据权利要求1所述的方法，其特征在于，所述多个尺度包括第一尺度至第n尺度，n为不小于2的正整数；所述方法还包括：获取基础特征提取网络，所述基础特征提取网络包括n个卷积层组合，其中，第一卷积层组合至第n卷积层组合分别对应所述第一尺度至所述第n尺度；所述获取目标图像在多个尺度下的基础特征图像，包括：将所述目标图像输入所述基础特征提取网络，通过所述第一卷积层组合至所述第n卷积层组合分别输出第一基础特征图像至第n基础特征图像，所述第一基础特征图像至第n基础特征图像分别为所述第一尺度下的基础特征图像至所述第n尺度下的基础特征图像。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取第一局部质量特征提取网络至第n局部质量特征提取网络，其中每个局部质量特征提取网络包括池化层与全连接层；所述对每个尺度下的基础特征图像进行池化处理，并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征，包括：将第i基础特征图像输入第i局部质量特征提取网络；通过所述第i局部质量特征提取网络的池化层对所述第i基础特征图像进行池化处理，得到第i抽象特征图像，所述第i抽象特征图像为第i尺度下的抽象特征图像；通过所述第i局部质量特征提取网络的全连接层对所述第i抽象特征图像进行处理，得到第i局部质量特征，所述第i局部质量特征为第i尺度下的局部质量特征；其中，i为[1,n]内的任意正整数，所述第i基础特征图像表示所述第一基础特征图像至第n基础特征图像中的每一张基础特征图像。5.根据权利要求4所述的方法，其特征在于，所述自适应参数包括自适应权重参数；所述方法还包括：获取第一自适应参数确定网络至第n自适应参数确定网络，其中每个自适应参数确定网络包括语义特征提取子网络与权重参数确定子网络，所述语义特征提取子网络包括卷积层，所述权重参数确定子网络包括重构层；
所述对所述每个尺度下的基础特征图像进行卷积处理，以提取所述每个尺度下的语义特征，并根据所述语义特征确定每个尺度下的自适应参数，包括：将所述第i基础特征图像输入第i自适应参数确定网络；通过第i语义特征提取子网络对所述第i基础特征图像进行卷积处理，以提取第i语义特征，所述第i语义特征提取子网络为所述第i自适应参数确定网络的语义特征提取子网络，所述第i语义特征为所述第i尺度下的语义特征；通过第i权重参数确定子网络将所述第i语义特征进行数据重构，得到第i自适应权重参数，所述第i权重参数确定子网络为所述第i自适应参数确定网络的权重参数确定子网络，所述第i自适应权重参数为所述第i尺度下的自适应权重参数。6.根据权利要求5所述的方法，其特征在于，所述自适应参数还包括自适应偏置参数；所述每个自适应参数确定网络还包括偏置参数确定子网络，所述偏置参数确定子网络包括全连接层；所述对所述每个尺度下的基础特征图像进行卷积处理，以提取所述每个尺度下的语义特征，并根据所述语义特征确定每个尺度下的自适应参数，还包括：通过第i偏置参数确定子网络将所述第i语义特征进行全连接处理，得到第i自适应偏置参数，所述第i偏置参数确定子网络为所述第i自适应参数确定网络的偏置参数确定子网络，所述第i自适应偏置参数为所述第i尺度下的自适应偏置参数。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：获取全局自适应参数确定网络，所述全局自适应参数确定网络包括全局语义特征提取子网络与全局权重参数确定子网络，所述全局语义特征提取子网络包括卷积层与全局池化层，所述全局权重参数确定子网络包括维度调整层；将所述第n基础特征图像输入所述全局自适应参数确定网络；通过所述全局语义特征提取子网络对所述第n基础特征图像进行卷积与全局池化处理，以提取全局语义特征；通过所述全局权重参数确定子网络将所述全局语义特征进行维度调整，得到全局自适应权重参数；所述基于所述每个尺度下的融合质量特征，确定所述目标图像的评价值，包括：利用所述全局自适应权重参数对所述每个尺度下的融合质量特征进行全连接处理，得到所述目标图像的评价值。8.根据权利要求7所述的方法，其特征在于，所述全局自适应参数确定网络还包括全局偏置参数确定子网络，所述全局偏置参数确定子网络包括全连接层；在将所述第n基础特征图像输入所述全局自适应参数确定网络后，所述方法还包括：通过所述全局偏置参数确定子网络将所述全局语义特征进行全连接处理，得到全局自适应偏置参数；所述利用所述全局自适应权重参数对所述每个尺度下的融合质量特征进行全连接处理，得到所述目标图像的评价值，包括：利用所述全局自适应权重参数与所述全局自适应偏置参数对所述每个尺度下的融合质量特征进行全连接处理，得到所述目标图像的评价值。9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
建立图像质量评价模型，所述图像质量评价模型包括待训练的所述基础特征提取网络、所述第一局部质量特征提取网络至第n局部质量特征提取网络、所述第一自适应参数确定网络至第n自适应参数确定网络与所述全局自适应参数确定网络；获取数据集，所述数据集包括样本图像与所述样本图像的评价值标签；对所述基础特征提取网络设置第一学习率，对所述第一局部质量特征提取网络至第n局部质量特征提取网络、所述第一自适应参数确定网络至第n自适应参数确定网络与所述全局自适应参数确定网络设置第二学习率，利用所述数据集训练所述图像质量评价模型；其中，在训练的前z个epoch中所述第二学习率大于所述第一学习率，在训练的前z个epoch之后所述第二学习率等于所述第一学习率，z为正整数。10.一种图像质量评价装置，其特征在于，包括：基础特征图像获取模块，被配置为获取目标图像在多个尺度下的基础特征图像；局部质量特征提取模块，被配置为对每个尺度下的基础特征图像进行池化处理，并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征；自适应参数确定模块，被配置为对所述每个尺度下的基础特征图像进行卷积处理，以提取所述每个尺度下的语义特征，并根据所述语义特征确定每个尺度下的自适应参数；局部质量特征融合模块，被配置为分别利用所述每个尺度下的自适应参数对相同尺度下的所述局部质量特征进行融合，得到每个尺度下的融合质量特征；多尺度融合模块，被配置为基于所述每个尺度下的融合质量特征，确定所述目标图像的评价值。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10任一项所述的方法。12.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至10任一项所述的方法。

技术总结
本公开提供一种图像质量评价方法、装置、计算机可读存储介质与电子设备，涉及图像与视频处理技术领域。所述图像质量评价方法包括：获取目标图像在多个尺度下的基础特征图像；对每个尺度下的基础特征图像进行池化处理，并根据池化处理后的抽象特征图像提取所述每个尺度下的局部质量特征；对所述每个尺度下的基础特征图像进行卷积处理，以提取所述每个尺度下的语义特征，并根据所述语义特征确定每个尺度下的自适应参数；分别利用所述每个尺度下的自适应参数对相同尺度下的所述局部质量特征进行融合，得到每个尺度下的融合质量特征；基于所述每个尺度下的融合质量特征，确定所述目标图像的评价值。本公开能够提高图像质量评价的准确性。准确性。准确性。


技术研发人员：杨子木 张璇 王武生
受保护的技术使用者：深圳市欢太科技有限公司
技术研发日：2021.08.09
技术公布日：2021/11/17