图像评测方法和系统与流程

1.本技术涉及图像评测技术领域，具体涉及一种图像评测方法和系统。


背景技术：

2.目前，在对拍摄得到的图像的质量进行主观评测时，通常让多位观察者根据自己的经验，按照视觉效果对图像的质量进行判断，并相应给出质量分数，然后再对所有观察者给出的质量分数进行平均，得到图像的主观评测值。然而，目前的这种评测方式，不仅需要消耗大量的人力，评测效率也较低。


技术实现要素：

3.本技术提供了一种图像评测方法和系统，能够提高图像评测的效率。
4.第一方面，本技术提供一种图像评测方法，包括：
5.接收输入的图像评测任务；
6.基于所述图像评测任务，获取样本场景的场景图像；
7.按照客观评测标准对所述场景图像进行客观评测，得到所述场景图像的第一客观评测值；
8.根据所述第一客观评测值，通过基于人眼视觉特性的主观评测模型获取所述场景图像的主观评测值。
9.第二方面，本技术提供一种图像评测系统，包括：
10.任务调度模块，用于接收输入的图像评测任务；
11.图像评测模块，用于基于所述图像评测任务，获取样本场景的场景图像；以及按照客观评测标准对所述场景图像进行客观评测，得到所述场景图像的第一客观评测值；以及根据所述第一客观评测值，通过基于人眼视觉特性的主观评测模型获取所述场景图像的主观评测值。
12.采用本技术所提供的技术方案，只要完成了客观评测标准的制定，以及符合人眼视觉特性的主观评测模型的训练，后续即可接收输入的图像评测任务，并基于该图像评测任务，获取样本场景的场景图像，以及按照客观评测标准对获取的场景图像进行客观评测，得到场景图像的第一客观评测值，以及根据该第一客观评测值，通过前述主观评测模型获取场景图像的主观评测值。以此，本技术能够无需人力介入的情况下实现对图像质量的主观评测，不仅能够节省人力成本，还能够提高评测效率。
附图说明
13.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
14.图1是本技术实施例提供的图像评测系统的第一结构示意图。
15.图2是本技术实施例中用户输入图像评测任务的示例图。
16.图3是本技术实施例提供的图像评测系统的第二结构示意图。
17.图4是本技术实施例提供的图像评测系统的第三结构示意图。
18.图5是本技术实施例中基于硬件在环的模型训练示意图。
19.图6是本技术实施例提供的图像评测方法的一流程示意图。
具体实施方式
20.应当说明的是，本技术中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
21.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
22.人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能、感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
23.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括机器学习(machine learning，ml)技术，其中，深度学习(deep learning，dl)是机器学习中一个新的研究方向，它被引入机器学习以使其更接近于最初的目标，即人工智能。目前，深度学习主要应用在计算机视觉、自然语言处理等领域。
24.深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音数据的解释有很大的帮助。利用深度学习技术，以及对应的训练数据集，能够训练得到实现不同功能的网络模型，比如，基于一训练数据集能够训练得到用于性别分类的性别分类模型，基于另一训练数据集能够训练得到图像优化的图像优化模型等。
25.为了能够减少图像评测的效率，本技术将深度学习技术引入图像评测中，相应提供一种图像评测系统和图像评测方法。
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.请参照图1，本技术还提供一种图像拍摄系统，如图1所示，该图像拍摄系统100包
括任务调度模块110，被配置为接收输入的图像评测任务；
28.图像评测模块120，被配置为基于图像评测任务，获取样本场景的场景图像；以及按照客观评测标准对场景图像进行客观评测，得到场景图像的第一客观评测值；以及根据第一客观评测值，通过基于人眼视觉特性的主观评测模型获取场景图像的主观评测值。
29.需要说明的是，本实施例中对于图像评测任务的输入方式不作具体限制，可由本领域技术人员根据实际需要进行配置，包括但不限于命令行的输入方式以及图形输入方式等。
30.示例性的，请参照图2，本实施例中，任务调度模块110可以提供用户交互界面，并通过用户交互界面接收用户输入的图像评测任务。
31.本实施例中，任务调度模块110在接收到输入的图像评测任务之后，可以直接将图像评测任务分配至图像评测模块120执行，也可由用户二次确认后再将评测任务分配至图像评测模块120执行。
32.比如，任务调度模块110在通过用户交互界面接收到用户输入的图像评测任务之后，对输入的图像评测任务的完成时间进行预测，并通过用户交互界面输出预测的完成时间，以及是否继续评测的提示信息，在接收到用户对前述提示信息的确认指令时，再将图像评测任务分配至图像评测模块120执行。以此，通过向用户反馈预测的评测完成时间，由用户二次确认是否执行图像评测任务，方便用户安排评测任务和其他工作。
33.本实施例中，图像评测模块120基于任务调度模块110分配的图像评测任务，获取样本场景的场景图像。其中，可以获取单一样本场景的场景图像，也可以获取多类不同样本场景的场景图像，获取的场景图像可以是单一的图像，也可以是连续的图像序列(或称视频)。
34.比如，可以预先搭建不透光的样本采集环境，即样本采集环境外部的光线无法射入样本采集环境中，而样本采集环境中的光线也无法射出样本采集环境。然后，在样本采集环境中进一步设置对应现实场景的样本场景，该样本场景可通过多种不同的形式展现，比如，可以是场景模拟沙盘的形式展现，也可以是通过显示设备显示现实场景影像的形式展现。以此，可以在样本采集环境下对样本场景进行拍摄，得到样本场景的场景图像。
35.应当说明的是，本实施例中预先定义有客观评测标准，该客观评测标准可根据专家知识进行配置，用于在技术维度对图像进行客观评测，比如，可以在噪声强度、色彩准度维度以及锐化程度维度等多个技术维度进行客观评测。
36.基于以上客观评测标准，图像评测模块120在获取到的样本场景的场景图像之后，对获取到的场景图像进行客观评测，得到场景图像的客观评测值，记为第一客观评测值。
37.此外，本实施例中还预先训练有基于人眼视觉特性的主观评测模型，该主观评测模型被配置为将输入的客观评测值映射为符合人眼视觉特性的主观评测值。此处对主观评测模型的模型架构以及训练方式不作具体限制，可由本领域技术人员根据实际需要进行配置。
38.示例性的，可以预先对样本场景进行拍摄，将拍摄得到的图像作为样本图像。对于每一样本图像，按照客观评测标准进行客观评测，得到每一样本图像的样本客观评测值，此外，还通过多位观察者按照视觉效果对每一样本图像的质量进行判断，并相应给出质量分数，然后再对所有观察者给出的质量分数进行平均(比如加权平均，各观察者的权重可由本
领域技术人员根据实际需要进行配置)，得到每一图像的样本主观评测值。在训练时，可以将每一样本图像的样本客观评测值作为输入，将每一样本图像的样本主观评测值作为期望的输出，进行有监督的模型训练，得到符合人眼视觉特性的主观评测值。
39.基于以上预先训练的符合人眼视觉特性的主观评测模型，图像评测模块120可以根据评测得到场景图像的第一客观评测值，获取到场景图像的主观评测值。
40.以获取一样本场景的一个场景图像为例，图像评测模块120相应按照客观评测标准对获取到的一个场景图像进行客观评测，得到一个第一客观评测值，然后将获取到的一个第一客观评测值输入到前述主观评测模型进行处理，相应得到前述样本场景的主观评测值。
41.以获取的一样本场景的多个场景图像(即场景图像序列)为例，图像评测模块120相应按照客观评测标准对每一场景图像进行客观评测，得到多个第一客观评测值，然后将多个第一客观评测值分别输入到前述主观评测模型进行处理，相应得到多个主观评测值，然后计算多个主观评测值的均值，作为对应样本场景的主观评测值。
42.由上可知，本技术提供的图像评测系统，只要完成了客观评测标准的制定，以及符合人眼视觉特性的主观评测模型的训练，后续即可接收输入的图像评测任务，并基于该图像评测任务，获取样本场景的场景图像，以及按照客观评测标准对获取的场景图像进行客观评测，得到场景图像的第一客观评测值，以及根据该第一客观评测值，通过前述主观评测模型获取场景图像的主观评测值。以此，本技术能够无需人力介入的情况下实现对图像质量的主观评测，不仅能够节省人力成本，还能够提高评测效率。
43.在一可选地实施例中，请参照图3，本技术提供的图像评测系统还包括多个实验室130，实验室130包括样本场景和图像采集机器人，任务调度模块110被配置为从多个实验室130中确定出目标实验室；
44.目标实验室被配置为通过图像采集机器人控制图像拍摄器件拍摄样本场景得到拍摄图像，并控制图像优化器件按照初始优化参数对拍摄图像进行优化处理，得到样本场景的场景图像；
45.图像评测模块120被配置为基于图像评测任务，从目标实验室获取场景图像。
46.其中，实验室130中预先搭建有不透光的样本采集环境，该样本采集环境中设置有样本场景以及图像采集机器人。此处对图像采集机器人的类型不作具体限制，包括但不限于轮式自走机器人、人形自走机器人以及轨道机器人等。
47.图像拍摄器件可以为摄像头等具备拍摄能力的器件，图像优化器件可以为图像信号处理器等具备图像优化能力的器件。应当说明的是，如手机、平板电脑等电子设备中，通常由图像拍摄器件和图像优化器件组成图像拍摄组件，为电子设备提供图像拍摄能力。本技术提供的图像评测系统100可以应用于对指定图像拍摄组件拍摄的图像的质量进行主观评测。
48.本实施例中，输入的图像评测任务可以包括图像拍摄组件指示信息，该图像拍摄组件指示信息用于指示需要进行评测的图像拍摄组件。
49.任务调度模块110在接收到输入的图像评测任务之后，除了将该图像评测任务分配至图像评测模块120执行之外，还按照配置的实验室选取策略，从多个实验室130中确定出目标实验室。此处对实验室选取策略的配置不作具体限制，可由本领域技术人员根据实
际需要进行配置，比如，可以配置实验室选取策略为顺序选取、随机选取等。
50.如上，在确定出目标实验室之后，任务调度模块110进一步向目标实验室分配携带图像拍摄组件指示信息的图像采集任务。基于任务调度模块110分配的图像采集任务，目标实验室通过设置的图像采集机器人控制指示的图像拍摄组件中的图像拍摄器件对样本场景进行拍摄，得到拍摄图像，以及控制指示的图像拍摄组件中的图像优化器件，按照初始优化参数对拍摄图像进行优化处理，得到样本场景的场景图像。其中，初始优化参数可由本领域技术人员根据实际需要进行配置，此处不作具体限定。
51.本实施例中，目标实验室在得到样本场景的场景图像之后，可以直接将该样本场景的场景图像推送至图像评测模块120，也可以发送用于指示图像采集完成的指示信息至图像评测模块120，由图像评测模块120从目标实验室提取样本场景的场景图像。
52.在一可选地实施例中，任务调度模块110被配置为提供实验室选择界面，实验室选择界面包括多个实验室插件；以及响应于针对多个实验室插件中任一实验室插件的选择操作，将被选择的实验室插件所对应的实验室确定为目标实验室。
53.本实施例中，可由用户主动进行目标实验室的选取。
54.其中，将实验室插件化，由任务调度模块110提供实验室选择界面，该实验室选择界面包括对应每一实验室130的实验室插件。此外，实验室选择界面还包括每一实验室当前的状态信息，比如工作负载等。基于任务调度模块110提供的实验室选择界面，用户可以根据实际需要选择任一实验室插件以选择该实验室插件对应的实验室作为目标实验室。相应的，任务调度模块110响应于针对多个实验室插件中任一实验室插件的选择操作，将被选择的实验室插件所对应的实验室确定为目标实验室。
55.在一可选地实施例中，任务调度模块110被配置为获取多个实验室130各自的工作负载；以及将多个实验室130中工作负载最低的实验室130确定为目标实验室。
56.本实施例中，可由任务调度模块110自动进行目标实验室的选取。
57.示例性的，假设图像评测系统100包括10个实验室130，这10个实验室130可以分别在同一地理位置，也可以分布在不同的地理位置。在确定目标实验室时，任务调度模块110可以发送负载获取请求至每一实验室130，并接收每一实验室130响应于负载获取请求所返回的各自的工作负载，然后，任务调度模块110从10个实验室130中确定出工作负载最低的实验室130，将其作为目标实验室。
58.应当说明的是，针对图像优化器件的参数调试是一项结合了技术积累和试错策略的工作，目前需要经验丰富的参数调试工程师来完成该工作。然而，培养一位经验丰富的参数调试工程师，需要多年的系统化训练，但其经验很难传承，一旦出现职位空缺，生产工作会受到很大的影响。即使是一位经验丰富的参数调试工程师，在面对新型号的图像优化器件时，其工作依然包含了大量的试错过程，这个部份十分耗时，且效益成本很低。为了能够提高针对图像优化器件的参数调试效率，以及降低人力成本，在一可选地实施例中，请参照图4，本技术提供的图像评测系统100还包括参数推荐模块140，被配置为获取期望的目标主观评测值，以及根据目标主观评测值、初始优化参数和场景图像，通过对应图像优化器件的参数推荐模型获取对应图像优化器件的目标优化参数。
59.为提高参数调试的效率，本实施例中预先训练有参数推荐模型，该参数推荐模型以图像、图像对应的优化参数以及期望达到的主观评测值为输入，以对应的预测优化参数
为输出。此处对参数推荐模型的模型架构以及训练方式不作具体限制，可由本领域技术人员根据实际需要进行配置。
60.示例性的，请参照图5，可以采用硬件在环的方式训练得到参数推荐模型。
61.其中，获取样本数据，包括图像优化器件对原始的样本拍摄图像进行优化处理得到的样本优化图像，图像优化器件进行优化处理的优化参数，以及期望图像优化器件进行优化处理后的图像能够达到的期望主观评测值。
62.构建基础模型，可由本领域技术人员根据实际需要选取模型架构。
63.将样本优化图像、优化参数以及期望主观评测值输入基础模型进行参数预测，得到预测优化参数；控制图像优化器件按照预测优化参数对样本拍摄图像进行优化处理，得到新的样本优化图像，再采用被申请以上实施例提供的图像评测方式评测得到新的样本优化图像的主观评测值，根据该主观评测值和期望主观评测值的差异对基础模型的参数进行调整，直至满足预设训练停止条件(比如基础模型收敛，或者参数调整参数达到预设次数等)，将满足预设训练停止条件的基础模型作为参数推荐模型。
64.本实施例中，可以应用已训练的参数推荐模型来推荐适合图像优化器件的优化参数。相应的，在通过基于人眼视觉特性的主观评测模型获取到场景图像的主观评测值之后，进一步获取期望的目标主观评测值，并根据目标主观评测值、初始优化参数和场景图像，通过对应图像优化器件的参数推荐模型获取对应图像优化器件的目标优化参数。比如，可以将目标主观评测值、初始优化参数以及场景图像输入参数推荐模型，并将参数推荐模型输出的优化参数直接作为图像优化器件的目标优化参数。
65.在一可选地实施例中，参数推荐模块140被配置为将目标主观评测值、初始优化参数以及场景图像输入参数推荐模型，得到参数推荐模型输出的对应图像优化器件的候选优化参数；以及获取拍摄图像，并按照候选优化参数，通过对应图像优化器件的器件模拟器对拍摄图像进行优化处理，得到优化图像；以及按照客观评测标准对优化图像进行客观评测，得到优化图像的第二客观评测值；以及在第二客观评测值达到预设客观评测值时，将候选优化参数确定为图像优化器件的目标优化参数。
66.本实施例中，参数推荐模块140并不直接将参数推荐模型输出的优化参数作为图像优化器件的目标优化参数，而是先将其作为候选优化参数，并获取的图像优化器件之前按照初始优化参数进行优化处理的拍摄图像，按照通过对应图像优化器件的器件模拟器对拍摄图像进行优化处理，得到优化图像；以及按照客观评测标准对优化图像进行客观评测，得到优化图像的第二客观评测值；以及在第二客观评测值达到预设客观评测值时，将候选优化参数确定为图像优化器件的目标优化参数。其中，预设客观评测值可由本领域技术人员根据实际需要进行配置，此处不作具体限制。
67.其中，器件模拟器通过软件模拟的方式来模拟图像优化器件的优化处理过程。
68.以上通过对参数推荐模型输出的优化参数进行客观评测，能够确保推荐的目标优化参数同时满足主观评测和客观评测的要求。
69.在一可选地实施例中，图像评测模块120还被配置为根据第一客观评测值和主观评测值，生成评测报告。
70.其中，图像评测模块120可以配置图像评测软件，该图像评测软件被配置为执行以上客观评测和主观评测，具体请参照以上实施例中的相关描述，此处不再赘述。
71.本实施例中，图像评测任务还可以包括报告需求信息，该报告需求信息用于指示图像评测模块120生成指定内容、形式的评测报告。相应的，图像评测模块120还根据前述报告需求信息，调用图像评测软件根据第一客观评测值和主观评测值生成评测报告，并输出该评测报告。
72.比如，评测报告可以包括图像优化器件优化得到场景图像是否通过工信部标准的评测，以及具体评测的内容和分析，还可以包括前述场景图像是否通过企业标准的评测，以及具体评测的内容和分析。其中，企业标准可由用户所在企业统一制定，并且较工信部标准更严格，以此来降低企业内不同用户的沟通成本。
73.请参照图6，本技术还提供一种图像评测方法，如图6所示，该图像评测方法的流程可以包括：
74.在210中，接收输入的图像评测任务；
75.在220中，基于图像评测任务，获取样本场景的场景图像；
76.在230中，按照客观评测标准对场景图像进行客观评测，得到场景图像的第一客观评测值；
77.在240中，根据第一客观评测值，通过基于人眼视觉特性的主观评测模型获取场景图像的主观评测值。
78.在一可选地实施例中，基于图像评测任务，获取样本场景的场景图像，包括：
79.从多个实验室中确定出目标实验室，实验室包括样本场景和图像采集机器人；
80.基于图像评测任务，从目标实验室获取场景图像，场景图像由目标实验室通过图像采集机器人控制图像拍摄器件拍摄样本场景得到拍摄图像，并控制图像优化器件按照初始优化参数对拍摄图像进行优化处理得到的。
81.在一可选地实施例中，从多个实验室中确定出目标实验室，包括：
82.提供实验室选择界面，实验室选择界面包括多个实验室插件；
83.响应于针对多个实验室插件中任一实验室插件的选择操作，将被选择的实验室插件所对应的实验室确定为目标实验室。
84.在一可选地实施例中，从多个实验室中确定出目标实验室，包括：
85.获取多个实验室各自的工作负载；
86.将多个实验室中工作负载最低的实验室确定为目标实验室。
87.在一可选地实施例中，根据第一客观评测值，通过基于人眼视觉特性的主观评测模型获取场景图像的主观评测值之后，还包括：
88.获取期望的目标主观评测值；
89.根据目标主观评测值、初始优化参数和场景图像，通过对应图像优化器件的参数推荐模型获取对应图像优化器件的目标优化参数。
90.在一可选地实施例中，根据目标主观评测值、初始优化参数以及场景图像，通过对应图像优化器件的参数推荐模型获取对应图像优化器件的目标优化参数，包括：
91.将目标主观评测值、初始优化参数以及场景图像输入参数推荐模型，得到参数推荐模型输出的对应图像优化器件的候选优化参数；
92.获取拍摄图像，并按照候选优化参数，通过对应图像优化器件的器件模拟器对拍摄图像进行优化处理，得到优化图像；
93.按照客观评测标准对优化图像进行客观评测，得到优化图像的第二客观评测值；
94.在第二客观评测值达到预设客观评测值时，将候选优化参数确定为图像优化器件的目标优化参数。
95.在一可选地实施例中，根据第一客观评测值，通过基于人眼视觉特性的主观评测模型获取场景图像的主观评测值之后，还包括：
96.根据第一客观评测值和主观评测值，生成评测报告。
97.具体说明请参照以上图像评测系统中的相关描述，此处不再赘述。
98.以上对本技术所提供的一种图像评测系统、方法进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。