一种图像处理方法和电子设备与流程

1.本技术属于相机技术领域，尤其涉及一种图像处理方法和电子设备。


背景技术：

2.相机的图像画质评测主要分为客观评测和主观评测。
3.客观评测通过在实验室模拟真实场景，并依赖于专业图卡和分析软件实现画质质量评测，客观评测只能模拟少部分真实场景，无法实现对大量真实场景的模拟；主观评测是拍摄用户真实使用场景，并借助人眼给出喜好评价。主观评测不仅花费时间较长，还要求评测者经过专业培训，而且人为判断时容易添加主观色彩，会导致评价结果差异性较大，不够客观和准确。


技术实现要素：

4.为此，本技术公开如下技术方案：
5.一种图像处理方法，包括：
6.获得拍摄设备拍摄的至少一个图像；
7.基于至少一个标准画质指标确定每个所述至少一个图像对应的所述至少一个标准画质指标的指标值；
8.确定每个所述至少一个标准画质指标对应的目标权重；所述目标权重为智能模型输出的目标权重；
9.基于所述每个所述至少一个标准画质指标的指标值以及所述每个所述至少一个标准画质指标对应的目标权重获得所述至少一个图像的画质结果，所述画质结果用于表征画质质量。
10.可选的，所述智能模型包括：
11.第一模型，所述第一模型基于样本图像确定所述至少一个标准画质指标对应的第一组权重；
12.第二模型，所述第二模型基于所述样本图像确定所述至少一个标准画质指标对应的第二组权重，所述第二模型与所述第一模型不同；
13.第三模型，所述第三模型基于所述第一组权重以及所述第二组权重获得第三组权重；所述智能模型输出的目标权重为所述第三模型输出的第三组权重。
14.可选的，所述第一模型为主观赋权模型；所述第二模型为客观赋权模型；所述第三模型为离差率最小二乘法模型。
15.可选的，所述第一模型基于样本图像确定所述至少一个标准画质指标对应的第一组权重的过程包括：
16.获得针对样本图像的每个所述至少一个标准画质指标输入的至少一个评分；
17.基于第一处理方式对每个所述至少一个标准画质指标对应的至少一个评分进行处理，得到并输出每个所述至少一个标准画质指标的权重；输出的各权重构成所述至少一
个标准画质指标的第一组权重；
18.其中，所述第一处理方式为：通过将所述至少一个标准画质指标的重要性评分分值拟合所述至少一个标准画质指标在画质质量评价中的权重确定的处理方式。
19.可选的，所述第二模型基于所述样本图像确定所述至少一个标准画质指标对应的第二组权重的过程包括：
20.获得输入的样本图像的每个所述至少一个标准画质指标的指标值；
21.根据每个所述至少一个标准画质指标的指标值，确定样本图像对应于每个所述至少一个标准画质指标的信息熵；
22.基于第二处理方式对所述样本图像对应于每个所述至少一个标准画质指标的信息熵进行处理，得到并输出每个所述至少一个标准画质指标的权重；输出的各权重构成所述至少一个标准画质指标的第二组权重；
23.其中，所述第二处理方式为：通过将所述至少一个标准画质指标的信息熵拟合所述至少一个标准画质指标在画质质量评价中的权重确定的处理方式。
24.可选的，所述第三模型基于所述第一组权重以及所述第二组权重获得第三组权重的过程包括：
25.获得输入的样本图像的所述至少一个标准画质指标的指标值、所述第一组权重和所述第二组权重；
26.基于第三处理方式对所述至少一个标准画质指标的指标值、所述第一组权重和所述第二组权重进行处理，得到第三组权重；
27.其中，所述第三处理方式为：通过基于离差率最小二乘法拟合所述至少一个标准画质指标的第一组权重和第二组权重确定的处理方式。
28.一种图像处理方法，包括：
29.获得多个样本图像；
30.基于至少一个标准画质指标确定每个样本图像对应的所述至少一个标准画质指标的指标值；
31.基于每个样本图像对应的所述至少一个标准画质指标的指标值，构建一智能模型；所述智能模型用于为拍摄设备拍摄的至少一个图像输出所述至少一个标准画质指标的目标权重，所述目标权重用于确定所述至少一个图像的用于表征画质质量的画质结果。
32.可选的，所述基于每个样本图像对应的所述至少一个标准画质指标的指标值，构建一智能模型，包括：
33.通过基于所述样本图像的所述至少一个标准画质指标的重要性评分分值拟合所述样本图像的所述至少一个标准画质指标的权重，得到第一模型；
34.通过基于所述样本图像的所述至少一个标准画质指标的信息熵拟合所述样本图像的所述至少一个标准画质指标的权重，得到第二模型；
35.通过拟合所述样本图像的所述至少一个标准画质指标的第一组权重和第二组权重，得到第三模型；所述第一组权重为利用所述第一模型为所述样本图像输出的权重，所述第二组权重为利用所述第二模型为所述样本图像输出的权重；
36.其中，所述第一模型、所述第二模型和所述第三模型构成所述智能模型。
37.可选的，所述通过拟合所述样本图像的所述至少一个标准画质指标的第一组权重
和第二组权重，得到第三模型，包括：
38.根据所述样本图像的所述至少一个标准画质指标的指标值和所述至少一个标准画质指标的第一组权重，确定所述样本图像对应的第一综合指标值；
39.根据所述样本图像的所述至少一个标准画质指标的指标值和所述至少一个标准画质指标的第二组权重，确定所述样本图像对应的第二综合指标值；
40.通过对所述样本图像的目标综合指标值进行相比于所述第一综合指标值和所述第二综合指标值的离差率最小化处理，得到能用于输出接近于所述第一组权重和所述第二组权重的第三组权重的所述第三模型；
41.其中，所述样本图像的目标综合指标值为对应于所述样本图像的所述至少一个标准画质指标的指标值和所述第三组权重的综合指标值。
42.一种电子设备，包括：
43.存储器，用于至少存储一组计算机指令集；
44.处理器，用于通过调用并执行所述存储器中存储的所述指令集，实现如上文任一项所述的图像处理方法。
45.本技术公开的图像处理方法和电子设备，获得拍摄设备拍摄的至少一个图像，确定每个所述至少一个图像对应的至少一个标准画质指标的指标值及每个所述至少一个标准画质指标对应的目标权重，目标权重为智能模型输出的目标权重，并基于每个所述至少一个标准画质指标对应的指标值和目标权重获得所述至少一个图像的用于表征画质质量的画质结果。本技术在对拍摄设备进行画质质量评测时，直接利用拍摄设备拍摄用于画质质量评测的至少一个图像，无需在实验室进行真实场景模拟，避免了客观评测无法模拟大量真实场景的缺陷，且引入拍摄设备所拍摄图像的标准画质指标的指标值和目标权重进行画质评测，相比于借助人眼给出喜好评价，可得到更客观的画质质量评价结果，进一步提升了画质质量评测的准确性。
附图说明
46.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
47.图1是本技术提供的一种图像处理方法的流程示意图；
48.图2是色卡的二十四种颜色的对比效果图；
49.图3是本技术提供的室外相应照度下对colorchecker标准二十四色色卡进行拍照所得的一张图像示例；
50.图4是本技术提供的第一模型基于样本图像确定所述至少一个标准画质指标对应的第一组权重的过程图；
51.图5是本技术提供的第二模型基于所述样本图像确定所述至少一个标准画质指标对应的第二组权重的过程图；
52.图6是本技术提供的第三模型基于所述第一组权重以及所述第二组权重获得第三组权重的过程；
53.图7是本技术提供的另一种图像处理方法的流程示意图；
54.图8是本技术提供的构建第三模型的过程图；
55.图9是本技术提供的离差率最小二乘法的模型输入/输出结构；
56.图10是本技术提供的离差率最小二乘法的建模流程；
57.图11是本技术提供的电子设备的组成结构图。
具体实施方式
58.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，本领域普通技术人员在没有做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。
59.本技术公开一种图像处理方法和电子设备，用于对拍摄设备所拍摄图像进行画质质量评测，拍摄设备可以是但不限于具备相机功能的终端设备(如智能手机、平板电脑、电话手表)或专门的相机设备(如摄像头/摄像机、数码相机)，例如在手机出厂前利用本技术的方法或电子设备对手机进行画质质量评测等。
60.参见图1提供的本技术图像处理方法的流程示意图，该图像处理方法包括如下各处理步骤：
61.步骤101、获得拍摄设备拍摄的至少一个图像。
62.拍摄设备即为需对其所拍摄图像进行画质质量评测的待测设备，如上述的终端设备或相机设备，待测的拍摄设备可以是一个或多个。
63.本技术具体利用拍摄设备在真实场景(即用户的真实使用场景，也可称为主观场景，区别于在实验室模拟的场景)拍摄至少一个图像，来用于对该拍摄设备进行画质质量评测。
64.可选的，具体可获得拍摄设备在单一场景拍摄的至少一个图像，以用于对拍摄设备在该单一场景的画质表现进行评测；或者，在其他实施方式中，也可以获得拍摄设备在多个场景分别拍摄的图像，以用于对拍摄设备在多个场景下的综合画质表现进行评测。
65.拍摄场景可基于多维度划分，多维度拍摄场景包括但不限于：
66.11)从人像角度出发，包含人像和非人像场景；
67.12)从场景位置角度出发，包含室内和室外场景；
68.13)从光源照度和色温角度出发，包含高中低照度/色温等。
69.为统一与规范评测过程，优选的，本技术实施例利用拍摄设备在所需场景下采集带有标准色卡的实景图片用于画质质量评测，如采集相应场景下带有标准二十四色色卡的实景图片等。
70.标准二十四色色卡可以是但不限于colorchecker标准二十四色色卡，参见图2，提供了该色卡的二十四种颜色(具体以不同灰度表征不同颜色)的对比效果。
71.在需对多个拍摄设备进行画质质量评测的场景中，测试人员应尽量确保不同拍摄设备相机成像采集到的景物视场角是一致的。每一张图像在拍摄时需要带上所选取的标准色卡，以便于后期计算各种标准画质指标，进而评价拍摄设备在当前场景或多个场景成像图像的画质质量表现。
72.其中，色卡占整张图像的百分比可根据拍摄环境确定。示例性的，在正常光照场景下，色卡占整张图像的比例可接近90％～100％。参见图3，提供了室外相应照度下对colorchecker标准二十四色色卡进行拍照所得的一张图像的示例。
73.拍摄设备拍摄的至少一个图像，可以是通过拍照所得的照片或通过视频录制所得的视频帧，不作限制。
74.步骤102、基于至少一个标准画质指标确定每个所述至少一个图像对应的所述至少一个标准画质指标的指标值。
75.至少一个标准画质指标，包括但不限于用于评价图像整体色彩还原表现的色彩还原指标和用于评价图像整体白平衡表现的白平衡还原指标中的任意一种或多种。本技术实施例主要以至少一个标准画质指标同时包括这两类指标为例进行方案说明。
76.色彩还原指标包括但不限于色彩饱和度(mean_camera_chroma)、cielab(cie的一个颜色系统)色域ab两通道差值(delta_ab_mean)、cielab色域lab三通道差值(delta_e_mean)、色彩偏向角度(delta_h_mean)中的部分或全部指标，可选的，上述各个色彩还原指标具体可参考cielab色域第1～18个色块的色度值计算；白平衡还原指标可参考cie hsv(hue-saturation-value，色调-饱和度-明度)色域中的饱和度saturation计算，示例性的，本实施例具体采用色卡第20～23个色块的饱和度s
20
、s
21
、s
22
、s
23
来作为白平衡还原指标。
77.在获得拍摄设备拍摄的至少一个图像后，本步骤确定每个所述至少一个图像对应的上述至少一个标准画质指标的指标值。
78.其中，色彩饱和度(mean_camera_chroma)的值在一定范围内会提供更好的视觉体验，本实施例提供如下的可选计算模型计算拍摄设备拍摄的至少一个图像的色彩饱和度(mean_camera_chroma)：
[0079][0080]
该式中，a
i_means
和b
i_means
分别表示拍摄设备拍摄的所述至少一个图像中色卡被计算色块色彩分量的平均值，a
i_ideal
和b
i_ideal
分别表示标准色卡被计算色块色彩分量的理论值。
[0081]
cie lab色域ab两通道差值(delta_ab_uncorr_mean)从色彩分量出发，不考虑亮度分量，值越大，说明色块之间的差异越大，可通过如下计算模型计算：
[0082][0083][0084][0085]
δci＝c
i_means-c
i_ideal
[0086]hi_means
＝tan-1
(b
i_means
/(1 g)a
i_means
)
[0087]hi_ideal
＝tan-1
(b
i_ideal
/(1 g)a
i_ideal
)
[0088][0089]
kh＝kc＝1
[0090]
该式中，s
ci
和s
hi
分别表示彩度和色相差权重参数，r
t
表示椭圆旋转调整因子，其他相关参数参见对上文其他计算式的参数说明。
[0091]
cie lab色域lab三通道差值(delta_e_uncorr_mean)可以数字化的表示不同颜色之间的差别，值越大，说明颜色之间的差异越大，可通过如下计算模型计算：
[0092][0093]
δli＝l
i_means-l
i_ideal
[0094]
l
i_means
表示拍摄设备拍摄的所述至少一个图像中色卡被计算色块亮度分量的平均值，l
i_ideal
表示标准色卡被计算色块亮度分量的理论值，s
li
表示亮度权重参数，k
l
＝1，其它相关参数的含义参见上文对其他计算式的参数说明。
[0095]
白平衡还原指标参考cie hsv色域中的饱和度saturation。本实施例中，采用色卡第20～23个色块的饱和度s
20
、s
21
、s
22
、s
23
作为白平衡还原指标，其计算模型如下：
[0096][0097]
该式中，r
i_means
、g
i_means
、b
i_means
分别表示拍摄设备拍摄的所述至少一个图像中色卡被计算色块基于rgb色域的值。
[0098]
色彩偏向角度指标(delta_h_mean)参考上文提到的第1～18个色块的色调(hue)计算，其计算模型如下：
[0099][0100][0101]
该式中各参数的含义参见上文各计算式的相关参数说明。
[0102]
步骤103、确定每个所述至少一个标准画质指标对应的目标权重。
[0103]
所述目标权重为智能模型输出的目标权重。该智能模型用于为拍摄设备拍摄的至少一个图像输出所述至少一个标准画质指标的目标权重，输出的目标权重进一步用于确定所述至少一个图像的用于表征画质质量的画质结果。
[0104]
且该智能模型结合考虑基于专家经验提供的主观赋权权重及基于图像数据包含的客观信息确定的客观赋权权重，能输出既接近主观赋权权重又接近客观赋权权重的目标权重。也就是说，智能模型为每个所述至少一个标准画质指标输出的目标权重，融合了对每个所述至少一个标准画质指标的主观赋权信息和客观赋权信息。
[0105]
智能模型包括第一模型、第二模型和第三模型。第一模型用于基于样本图像确定
所述至少一个标准画质指标对应的第一组权重；第二模型用于基于所述样本图像确定所述至少一个标准画质指标对应的第二组权重，所述第二模型与所述第一模型不同；第三模型用于基于上述第一组权重以及第二组权重获得第三组权重；智能模型输出的上述目标权重为所述第三模型输出的第三组权重。
[0106]
其中，第一模型为主观赋权模型，第二模型为客观赋权模型，第三模型为离差率最小二乘法模型。可选的，第一模型具体可以是基于专家对样本图像标准画质指标的重要性打分而构建的模型，第二模型具体可以是基于熵权法根据样本图像在各标准画质指标的信息熵构建的模型，第三模型则具体可以是基于离差率最小二乘法构建的模型。
[0107]
参见图4，第一模型基于样本图像确定所述至少一个标准画质指标对应的第一组权重的过程包括：
[0108]
步骤401、获得针对样本图像的每个所述至少一个标准画质指标输入的至少一个评分。
[0109]
该环节以相机领域内画质专家的个人打分为主，由参加评估的资深专家根据各标准画质指标的相对重要程度对样本图像的每个标准画质指标给予评价，评价标准采用预设分制(如，0～10分制)，随着标准画质指标分数的递增，该指标的重要程度也随之增加，反之，重要程度则降低。
[0110]
步骤402、基于第一处理方式对每个所述至少一个标准画质指标对应的至少一个评分进行处理，得到并输出每个所述至少一个标准画质指标的权重；输出的各权重构成所述所述至少一个标准画质指标的第一组权重。
[0111]
其中，第一处理方式为：通过将所述至少一个标准画质指标的重要性评分分值拟合所述至少一个标准画质指标在画质质量评价中的权重确定的处理方式。
[0112]
第一处理方式可以但不限于为如下的相应处理方式，具体视实际拟合情况而定：
[0113]
21)对各个专家对标准画质指标的主观评分分值求平均并归一化，得到该标准画质指标的权重；
[0114]
这里的归一化，是指将平均分值映射至权重数值范围。
[0115]
22)对各个专家对标准画质指标的主观评分分值进行加权平均并归一化，得到该标准画质指标的权重。
[0116]
这里的归一化，是指将加权平均分值映射至权重数值范围。
[0117]
各个专家评分分值的加权值同样视实际拟合情况而定。
[0118]
如图5所示，第二模型基于所述样本图像确定所述至少一个标准画质指标对应的第二组权重的过程包括：
[0119]
步骤501、获得输入的样本图像的每个所述至少一个标准画质指标的指标值。
[0120]
可选的，预先根据上述各个色彩还原指标的计算模型，计算样本图像的各个色彩还原指标的指标值，如样本图像的色彩饱和度(mean_camera_chroma)、ab两通道差值(delta_ab_mean)、lab三通道差值(delta_e_mean)、色彩偏向角度(delta_h_mean)，以及根据上述各个白平衡还原指标的计算模型，计算样本图像的各个白平衡还原指标的指标值，如样本图像的色卡第20～23个色块的饱和度s
20
、s
21
、s
22
、s
23
，并将样本图像的各个色彩还原指标和白平衡还原指标的指标值输入第二模型，使得第二模型获得输入的各个标准画质指标的指标值。
[0121]
步骤502、根据每个所述至少一个标准画质指标的指标值，确定样本图像对应于每个所述至少一个标准画质指标的信息熵。
[0122]
第二模型为基于熵权法构建的客观赋权模型，具体基于熵权法从数据本身的客观性角度出发，通过各标准画质指标的指标数据计算得出样本图像对应于各标准画质指标的信息熵。
[0123]
在计算信息熵过程中，首先处理输入的各标准画质指标的指标数据，得到标准矩阵，进而基于标准矩阵计算其信息熵(即样本图像对应于相应标准画质指标的信息熵)，该部分所涉及的计算模型将在后文实施例详细说明。
[0124]
步骤503、基于第二处理方式对所述样本图像对应于每个所述至少一个标准画质指标的信息熵进行处理，得到并输出每个所述至少一个标准画质指标的权重；输出的各权重构成所述至少一个标准画质指标的第二组权重。
[0125]
其中，第二处理方式为：通过将所述至少一个标准画质指标的信息熵拟合所述至少一个标准画质指标在画质质量评价中的权重确定的处理方式。
[0126]
通过指标数据计算得出的信息熵，与该指标的数据集提供的信息量呈反相关关系，样本图像在标准画质指标对应的信息熵越小，该指标对画质质量评测所起的贡献作用越强，其权重理应也越大，反之，其权重则越小。
[0127]
第三模型基于所述第一组权重以及所述第二组权重获得第三组权重的过程，如图6所示，可实现为：
[0128]
步骤601、获得输入的样本图像的所述至少一个标准画质指标的指标值、所述第一组权重和所述第二组权重。
[0129]
该环节具体将样本图像的上述各标准画质指标(如色彩还原指标、白平衡还原指标)的指标值，以及第一模型输出的第一组权重、第二模型输出的第二组权重作为第三模型的输入信息，输入第三模型。
[0130]
步骤602、基于第三处理方式对所述至少一个标准画质指标的指标值、所述第一组权重和所述第二组权重进行处理，得到第三组权重；
[0131]
之后，第三模型根据输入的各标准画质指标的指标值、所述第一组权重和所述第二组权重，处理得到第三组权重，并将第三组权重作为后续用于确定拍摄设备所拍摄图像的画质结果的目标权重。
[0132]
也就是说，所构建的该第三模型最终为各标准画质指标输出的权重(第三组权重)，可作为一组标准权重，直接应用于对各类待测拍摄设备(如同一厂商/不同厂商的不同型号手机)的画质质量评测中，使得为各类待测拍摄设备在画质质量评测中所需的指标权重提供一个标准。
[0133]
第三模型在对各项输入信息进行处理时所采用的第三处理方式为：通过基于离差率最小二乘法拟合所述至少一个标准画质指标的第一组权重和第二组权重确定的处理方式。具体拟合过程将在下文实施例详细说明。
[0134]
步骤104、基于所述每个所述至少一个标准画质指标的指标值以及所述每个所述至少一个标准画质指标对应的目标权重获得所述至少一个图像的画质结果，所述画质结果用于表征画质质量。
[0135]
之后，根据拍摄设备拍摄的每个所述至少一个标准画质指标的指标值以及每个所
述至少一个标准画质指标对应的目标权重，以加权计算方式，计算得到所述至少一个图像对应的目标综合指标值。
[0136]
该目标综合指标值即为拍摄设备拍摄的所述至少一个图像对应的画质结果，相应基于该目标综合指标值衡量拍摄设备所拍摄图像的画质质量。具体的，该目标综合指标值的取值大小反映了画质质量的高低，针对上文所选取的各个色彩还原指标和白平衡还原指标，其中，目标综合指标值的取值越大，表征拍摄设备的画质质量越低，反之，目标综合指标值的取值越小，表征拍摄设备的画质质量越高，即计算所得的目标综合指标值的大小与拍摄设备的画质质量高低呈反相关关系。
[0137]
根据以上方案可知，本技术实施例的方法，在对拍摄设备进行画质质量评测时，直接利用拍摄设备拍摄用于画质质量评测的至少一个图像，无需在实验室进行真实场景模拟，避免了客观评测无法模拟大量真实场景的缺陷，且引入拍摄设备所拍摄图像的标准画质指标的指标值和目标权重进行画质评测，相比于借助人眼给出喜好评价，可得到更客观的画质质量评价结果，进一步提升了画质质量评测的准确性。
[0138]
针对上述的用于实现画质质量评测的图像处理方法，本技术实施例还提供一种用于构建智能模型的图像处理方法，以用于基于构建的智能模型为画质质量评测提供画质指标的权重标准。
[0139]
该方法的处理过程如图7所示，具体包括：
[0140]
步骤701、获得多个样本图像。
[0141]
样本图像包括预先采集的同样带有标准色卡的大量实景图片，如采集带有标准二十四色色卡的实景图片等。
[0142]
优选的，样本图像的采集场景遵从多维度原则，多维度场景如上文所述的从人像角度出发的场景，从场景位置角度出发的场景，从光源照度和色温角度出发的场景等等。
[0143]
本实施例预先从各个维度场景下的不同场景分别采集大量实景图片作为样本图像，通过从多维度场景进行带有标准色卡的实景图片采集，使得能够为后续对拍摄设备的画质质量评测提供相机画质的更全面的客观参数。
[0144]
步骤702、基于至少一个标准画质指标确定每个样本图像对应的所述至少一个标准画质指标的指标值。
[0145]
针对获得的每一样本图像(如采集的带有标准色卡的实景图片)，分别按每一标准画质指标对应的计算模型，计算样本图像的该标准画质指标的指标值，如计算样本图像的色彩饱和度(mean_camera_chroma)、cielab色域ab两通道差值(delta_ab_mean)、cielab色域lab三通道差值(delta_e_mean)、色彩偏向角度(delta_h_mean)等色彩还原指标的指标值，以及计算样本图像的色卡第20～23个色块的饱和度s
20
、s
21
、s
22
、s
23
等白平衡还原指标的指标值。
[0146]
步骤703、基于每个样本图像对应的所述至少一个标准画质指标的指标值，构建一智能模型；所述智能模型用于为拍摄设备拍摄的至少一个图像输出所述至少一个标准画质指标的目标权重，所述目标权重用于确定所述至少一个图像的用于表征画质质量的画质结果。
[0147]
构建智能模型，本质即是指构建智能模型所包括的上述第一模型、第二模型和第三模型。各模型构建过程分别如下：
[0148]
(一)第一模型
[0149]
通过基于样本图像的所述至少一个标准画质指标的重要性评分分值拟合样本图像的所述至少一个标准画质指标在画质质量评价中的权重，得到第一模型。
[0150]
实际应用中，具体可获得不同专家对每一所述至少一个标准画质指标的重要性评分分值，通过将样本图像的所述至少一个标准画质指标的重要性评分分值拟合样本图像的所述至少一个标准画质指标在画质质量评价中的权重，确定出用于根据各个专家对至少一个标准画质指标的主观评分来处理得到至少一个标准画质指标的第一组权重(即主观赋权权重)的合理处理方式，并作为第一处理方式。如确定出该第一处理方式为上文所述的处理方式21)，或者为上文所述的处理方式22)等，其中，在将第一处理方式确定为处理方式22)的情况下会根据实际拟合情况具体给出对各个专家评分进行加权时的合适权值。
[0151]
其中，在通过拟合处理得到第一处理方式的过程中，具体可通过将基于待选处理方式对样本图像的所述至少一个标准画质指标的重要性评分分值进行计算后所得的权重应用于样本图像的画质评测中，并验证画质评测结果与样本图像的基准画质结果是否一致(是否接近、接近程度等)，来确定该处理方式是否能实现至少一个标准画质指标的重要性评分分值向其在画质质量评价中权重的拟合，最终筛选出能达到拟合效果的处理方式作为第一处理方式，相应得到基于该第一处理方式的第一模型。
[0152]
这里的待选处理方式，相应可以包括但不限于：a、对各个专家对标准画质指标的主观评分求平均并归一化得到该标准画质指标的权重；b、对各个专家对标准画质指标的主观评分进行加权平均并归一化得到该标准画质指标的权重，针对待选处理方式b，同时提供对各专家的主观评分进行加权时的多组不同权重以用于通过拟合情况进行合适权值的选取，需要说明，这里的权重区别于本技术中针对标准画质指标的权重。
[0153]
(二)第二模型
[0154]
通过基于样本图像的所述至少一个标准画质指标的信息熵拟合所述样本图像的所述至少一个标准画质指标的权重，得到第二模型。
[0155]
其中，首先基于熵权法从数据本身的客观性角度出发，通过各标准画质指标的指标数据计算得出样本图像对应于各标准画质指标的信息熵。
[0156]
在计算信息熵过程中，首先处理输入的各标准画质指标的指标数据，得到标准矩阵，进而基于标准矩阵计算其信息熵(即样本图像对应于相应标准画质指标的信息熵)，计算模型如下：
[0157]
p
ij
＝(x
ij-min(x
ij
))/(max(x
ij
)-min(x
ij
))
[0158][0159]
该式中，p
ij
表示标准矩阵，j为样本图像指标编号，e(j)表示样本图像对应于第j个标准画质指标的信息熵，1≤j≤m且j为整数，m为标准画质指标总数，i为样本图像编号，1≤i≤n且i为整数，n为样本图像总数，x
ij
为第i号样本图像的第j个标准画质指标的指标值。
[0160]
得到样本图像对应于各标准画质指标的信息熵后，进一步通过将样本图像的所述至少一个标准画质指标的信息熵拟合样本图像的所述至少一个标准画质指标在画质质量评价中的权重，确定出用于根据所述至少一个标准画质指标的信息熵处理得到至少一个标准画质指标的第二组权重(即客观赋权权重)的合理处理方式，并作为第二处理方式，相应
得到基于该第二处理方式的第二模型。
[0161]
与第一处理方式的确定过程相类似，在通过拟合处理得到第二处理方式的过程中，具体可通过将基于待选处理方式对样本图像对应于所述至少一个标准画质指标的信息熵进行计算后所得的权重应用于样本图像的画质评测中，并验证画质评测结果与样本图像的基准画质结果是否一致(是否接近、接近程度等)，来确定该处理方式是否能实现样本图像在至少一个标准画质指标对应的信息熵向该标准画质指标在画质质量评价中所对应权重的拟合，最终筛选出能达到拟合效果的处理方式作为上述的第二处理方式。
[0162]
这里的待选处理方式，可以包括但不限于：用于根据样本图像在标准画质指标对应的信息熵，计算得到该标准画质指标在画质质量评价中所对应权重的不同计算式和/或计算式中参数的不同取值。
[0163]
通过上述拟合过程，本技术实施例确定出的第二模型的一个示例为：
[0164][0165]
其中，w
2j
表示第j个标准画质指标基于熵权法确定出的权重，其他相关参数参见对上文其他计算式的参数说明。
[0166]
(三)第三模型
[0167]
通过拟合样本图像的所述至少一个标准画质指标的第一组权重和第二组权重，得到第三模型；第一组权重为利用构建的第一模型为样本图像输出的权重，第二组权重为利用构建的第二模型为样本图像输出的权重。
[0168]
本技术实施例通过离差率最小二乘法构建第三模型。具体的，本技术在经典最小二乘法的基础上进行改进，通过基于多指标并结合指标权重搭建离差率最小二乘法模型得到第三模型。
[0169]
参见图8，构建得到第三模型的过程，可实现为：
[0170]
步骤801、根据样本图像的所述至少一个标准画质指标的指标值和所述至少一个标准画质指标的第一组权重，确定样本图像对应的第一综合指标值。
[0171]
具体采用如下计算模型，确定样本图像对应的第一综合指标值：
[0172][0173]
i＝1,l,n
[0174]
j＝1,l,m
[0175]
其中，w
1j
表示第j个标准画质指标基于主观赋权确定出的权重(即第一组权重中对应于第j个标准画质指标的权重)，其他相关参数参见对上文其他相应计算式的参数说明。
[0176]
步骤802、根据样本图像的所述至少一个标准画质指标的指标值和所述至少一个标准画质指标的第二组权重，确定样本图像对应的第二综合指标值。
[0177]
相应的，采用如下计算模型，确定样本图像对应的第二综合指标值：
[0178][0179]
i＝1,l,n
[0180]
j＝1,l,m
[0181]
该式中，相关参数参见对上文其他相应计算式的参数说明。
[0182]
步骤803、通过对样本图像的目标综合指标值进行相比于所述第一综合指标值和第二综合指标值的离差率最小化处理，得到能用于输出接近于所述第一组权重和所述第二组权重的第三组权重的第三模型。
[0183]
其中，样本图像的目标综合指标值为对应于样本图像的所述至少一个标准画质指标的指标值和所述第三组权重的综合指标值。
[0184]
该步骤803中，首先，针对主观赋权权重，定义对应的第一离差率模型，假设样本图像的各标准画质指标对应的主观赋权权重(第一模型输出的第一组权重)构成权重矢量w
m1
＝(w1,l,wm)
t
，则具体将第一离差率模型定义为：
[0185][0186]
第一离差率模型在构建时要求index
1i
不为0，相关参数的含义可参见上文相应计算模型的参数说明。
[0187]
其次，针对客观赋权权重(第二模型输出的第二组权重)，相应定义对应的第二离差率模型，具体如下：
[0188][0189]
第二离差率模型在构建时要求index
2i
不为0，相关参数的含义可参见上文相应计算模型的参数说明。
[0190]
上述两个离差率模型中，wj表示待由第三模型输出的目标权重。
[0191]
本技术实施例中，离差率最小二乘法的核心目的在于合理结合画质专家给出的建议(主观赋权权重)和样本数据提供的客观数据信息(客观赋权权重)，使最终确定的多指标综合权重值有效结合主客观信息，具体可结合参考图9提供的离差率最小二乘法的模型输入/输出结构，以及图10提供的离差率最小二乘法的建模流程。
[0192]
基于上述目的，具体将离差率最小二乘法模型即本技术的第三模型构建为：
[0193][0194][0195]
wj≥0
[0196][0197][0198]
通过定义上述的离差率最小二乘法模型，实现对样本图像的目标综合指标值进行相比于所述第一综合指标值和第二综合指标值的离差率最小化处理，相应的，对该离差率最小二乘法模型求解，即可得到样本图像的各标准画质指标对应的既接近于其第一组权重
又接近于其第二组权重的第三组权重，该第三组权重即为样本图像的各标准画质指标对应的目标权重，可直接作为标准权重应用于后续对拍摄设备所拍摄图像的画质质量评测中。
[0199]
其中，在求解上述离差率最小二乘法模型时，首先构造拉格朗日(lagrange函数)：
[0200][0201]
之后，分别对m 1个变量进行求解偏导：
[0202][0203]
求解过程较为繁杂，此处以矩阵的形式表示：
[0204][0205]e1m
＝(1,l,1)
t
＝e
m1t
[0206]wm1
＝(w1,l,wm)
t
[0207][0208]
最终，得出各标准画质指标的权重，构成第三组权重：
[0209][0210]
以上各式中相关字符的含义，请参见上文相应计算模型的参数说明。
[0211]
本技术实施例提供的智能模型，通过第一模型基于样本图像确定至少一个标准画质指标对应的第一组权重得到主观赋权权重，通过第二模型基于样本图像确定所述至少一个标准画质指标对应的第二组权重得到客观赋权权重，进而通过第三模型基于上述第一组权重以及第二组权重获得所述至少一个标准画质指标的第三组权重，可使得最终确定的多指标综合权重值有效结合主客观信息，既接近专家经验，又符合数据客观性，达到主观和客观上的统一，提升了画质质量评测的准确性。
[0212]
且基于本技术的智能模型提供的标准权重对拍摄设备的画质质量评测所得评价结果与人眼的主观感知一致，并节省人力，评价效率较高。
[0213]
需要说明，实际应用中，可将本技术实施例的智能模型产品化(如设计为一款软件产品)，基于产品化的该智能模型为相机领域提供画质质量评测中所需画质指标的权重标准输出服务，直接将智能模型输出的目标权重作为至少一个标准画质的一组标准权重，应
用于对拍摄设备所拍摄图像的画质质量评测中，当然，也可以根据实际需求，在使用智能模型输出的目标权重对拍摄设备所拍摄图像进行画质质量评测后，将拍摄设备所拍摄图像作为新的样本图像对智能模型进行调整，以使模型参数得以进一步优化，对此不作限制。
[0214]
本技术实施例还公开一种电子设备，具体可以是但不限于众多通用或专用的计算装置环境或配置下的设备，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置等等。
[0215]
电子设备的组成结构，如图11所示，至少包括：
[0216]
存储器10，用于存放计算机指令集；
[0217]
计算机指令集可以通过计算机程序的形式实现。
[0218]
处理器20，用于通过执行计算机指令集，实现如上文任一方法实施例公开的图像处理方法。
[0219]
处理器20可以为中央处理器(central processing unit，cpu)，特定应用集成电路(application-specific integrated circuit，asic)，数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件等。
[0220]
电子设备具备显示装置和/或具备显示接口、能外接显示装置。
[0221]
可选的，电子设备还包括摄像头组件，和/或连接有外置摄像头组件。
[0222]
除此之外，电子设备还可以包括通信接口、通信总线等组成部分。存储器、处理器和通信接口通过通信总线完成相互间的通信。
[0223]
通信接口用于电子设备与其他设备之间的通信。通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等，该通信总线可以分为地址总线、数据总线、控制总线等。
[0224]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0225]
为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0226]
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例或者实施例的某些部分所述的方法。
[0227]
最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0228]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。