(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111683589.6 (22)申请日 2021.12.31 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 李凯德　邵明　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/40(2022.01) (54)发明名称 一种图像质量评价方法、 装置以及计算机可 读存储介质 (57)摘要 本申请涉及图像处理技术领域， 公开了一种 图像质量评价方法、 装置以及计算机可读存储介 质。 所述方法包括： 提取待处理图像的失真特征 数据， 以及提取所述待处理图像的内容特征数 据； 利用所述内容特征数据对所述失真特征数据 进行修正； 根据修正后的所述失真特征数据， 确 定所述待处理图像的质量评价结果。 通过上述方 法， 利用从图像中提取到的内容特征数据对提取 到的失真特征数据进行修正并根据修正后的失 真特征数据确定图像的质量评价结果， 能够在最 大程度上抑制图像内容的不同对图像质量评价 产生的负面影 响， 进而提高图像质量评价结果的 准确性。 权利要求书2页 说明书9页 附图4页 CN 114463274 A 2022.05.10 CN 114463274 A 1.一种图像质量评价方法， 其特 征在于， 所述方法包括： 提取待处 理图像的失真特 征数据， 以及提取 所述待处 理图像的内容特 征数据； 利用所述内容特 征数据对所述失真特 征数据进行修 正； 根据修正后的所述失真特 征数据， 确定所述待处 理图像的质量评价结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述提取待处理图像的失真特征数据， 以及提取所述待处理图像的内容特征数据； 利 用所述内容特征数据对所述失真特征数据进行修正； 根据修正后的所述失真特征数据， 确 定所述待处 理图像的质量评价结果， 包括： 将所述待处理图像输入训练后的图像质量评价网络， 获得所述图像质量评价网络输出 的所述待处 理图像的质量评价结果； 其中， 所述训练后的图像质量评价网络是利用训练图像集对所述图像质量评价网络进 行训练得到的。 3.根据权利要求2所述的方法， 其特 征在于， 所述图像质量评价网络包括失真特征提取模块、 内容特征提取模块和质量分数确定模 块； 所述提取待处 理图像的失真特 征数据， 包括： 利用所述失真特征提取模块对待处理图像进行特征提取， 得到尺度不同的多个第 一特 征； 所述提取所述待处 理图像的内容特 征数据， 包括： 利用所述内容特征提取模块， 对所述多个第一特征进行处理， 得到各个第一特征对应 的内容特征强度， 并分别利用各个所述内容特征强度对对应的所述第一特征进行加权修 正， 得到与各个所述第一特 征分别对应的第二特 征。 4.根据权利要求3所述的方法， 其特 征在于， 所述失真特 征提取模块 为卷积神经网络； 所述方法还 包括： 对所述卷积神经网络的卷积核参数进行约束， 以使所述卷积神经网络提取所述待处理 图像的多个残差特 征， 所述多个残差特 征的尺度不同。 5.根据权利要求 4所述的方法， 其特 征在于， 所述对所述卷积神经网络的卷积核参数进行约束， 包括： 基于公式(1)， 对所述卷积神经网络第一层的卷积核参数进行约束， 以使所述卷积核参 数的和为0 。 S‑w((m‑1)/2,(m‑1)/2)＝‑w((m‑1)/2,(m‑1)/2)……公式(1)； 其中， w(i,j)为卷积核参数， S＝∑w(i,j)为卷积核参数的和， 其中， 0≤i,j≤m ‑1， m为卷积 核的宽度。 6.根据权利要求 4所述的方法， 其特 征在于， 所述对所述卷积神经网络的卷积核参数进行约束， 包括： 基于公式(2)， 对所述卷积神经网络第一层的卷积核参数进行约束， 以使所述卷积核参 数的和为 ‑1。 ∑w(i,j)＝‑1……公式(2)；权　利　要　求　书 1/2 页 2 CN 114463274 A 2其中， w(i,j)为卷积核参数， 0 ≤i,j≤m ‑1， m为卷积核的宽度。 7.根据权利要求3所述的方法， 其特 征在于， 所述对所述多个第一特征进行处理， 得到各个第一特征对应的内容特征强度， 并分别 利用各个所述内容特征强度对对应的所述第一特征进 行加权修正， 得到与各个所述第一特 征分别对应的第二特 征， 包括： 确定各个所述第一特 征分别对应的内容特 征强度； 对各个所述内容特 征强度分别进行归一 化处理， 以得到对应的多个权 重系数； 利用各个所述权重系数分别对对应的所述第 一特征进行加权修正， 以得到与 各个所述 第一特征分别对应的第二特 征。 8.根据权利要求7 所述的方法， 其特 征在于， 所述确定各个所述第一特 征分别对应的内容特 征强度， 包括： 基于公式(3)， 采用矩阵内积计算的方式确定各个所述第一特征分别对应的内容特征 强度； 其中， Fi为第i个第一特 征， 为Fi的转置， Pi为Fi对应的特 征强度。 9.根据权利要求2所述的方法， 其特 征在于， 所述利用训练图像集对所述图像质量评价网络进行训练， 包括： 获取训练图像集以及所述训练图像集对应的主观评价结果； 将训练图像集输入至所述图像质量评价网络， 以输出对应的训练评价结果； 利用所述主观评价结果和所述训练评价结果的差异， 对所述图像质量评价网络的参数 进行修正。 10.一种图像质量评价装置， 其特征在于， 所述图像质量评价装置包括处理器和存储 器， 所述存储器用于存储程序指 令， 所述处理器用于执行所述程序指 令以实现如权利要求 1 至9任一项所述的方法。 11.一种计算机可读存储介质， 其特征在于， 存储有程序指令， 所述程序指令能够被执 行以实现如权利要求1至9任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114463274 A 3