【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种图像质量评价方法、装置、电子设备及存储介质。
技术介绍
1、随着计算机视觉技术的发展和应用领域的逐步扩大，对图像进行物体识别、视角转换等手段，可以应用在各种场景下。例如，智能驾驶的感知技术逐步从传统的前视图像感知扩展到周视六摄的鸟瞰图感知(bird eyeview，bev)。
2、而为了保证图像处理前后具有较高的清晰度，需要对图像的质量进行评价。但是方法的评测，仍然采用的是对重建图像的全参考评价方式。通过对重建驾驶场景的三维场景模型，再重新渲染视角转换后的图像，采用峰值信噪比(peak signal noise ratio,psnr)作为图像质量评价方式。虽然如psnr的评价指标可以用于合成视角图像生成方法好坏的评测，但该方法并未考虑到实际场景下拍摄的图像的多个维度的特征，造成质量评价结果与场景的匹配性不够，质量评价的精准性和评价时采用的数据的扩展性不够。
技术实现思路
1、鉴于此，为解决上述部分或全部技术问题，本申请实施例提供一种图像质量评价方法、装置、电子设备及存储介质。
2、第一方面，本申请实施例提供一种图像质量评价方法，该方法包括：从图像序列中获取一帧图像作为待评价图像，并按照预设的至少两种特征提取类型，对待评价图像进行特征提取，得到至少两种单帧图像特征；从图像序列中确定位于所述待评价图像之前的第n帧图像作为参考图像；获取参考图像对应的至少两种参考单帧图像特征，其中，至少两种参考单帧图像特征与至少两种单帧图像特征的提取方
3、在一个可能的实施方式中，从图像序列中获取一帧图像作为待评价图像，包括：获取相机拍摄的原始图像序列；对原始图像序列中的每个原始图像进行视角变换，得到视角变换图像序列，并从视角变换图像序列中获取一帧视角变换图像作为待评价图像。
4、在一个可能的实施方式中，分类器包括特征阈值数据，特征阈值数据表示的特征种类与待评价特征表示的特征种类一一对应；利用预设的分类器，对待评价图像特征进行图像质量分类，得到表示待评价图像的质量是否合格的评价结果，包括：将待评价图像特征中的每种图像特征，分别与对应特征种类的特征阈值数据进行对比，得到每种图像特征对应的初始评价结果；若得到的各个初始评价结果中，表示图像质量合格的初始评价结果的数量大于等于预设数量，生成表示待评价图像的质量合格的评价结果。
5、在一个可能的实施方式中，分类器包括预先基于机器学习算法训练的分类模型；利用预设的分类器，对待评价图像特征进行图像质量分类，得到表示待评价图像的质量是否合格的评价结果，包括：利用分类模型对待评价图像特征进行分类，得到表示待评价图像的图像质量的质量数据；基于质量数据，生成表示待评价图像的质量是否合格的评价结果。
6、在一个可能的实施方式中，分类模型预先按照如下步骤训练得到：获取样本图像和样本图像对应的类别标签；提取样本图像的样本图像特征；将样本图像特征输入预设的初始分类模型，得到预测类别；利用预设的损失函数，确定表示预测类别和类别标签之间的误差的损失值；基于损失值，调整初始分类模型的参数；响应于确定调整参数后的初始分类模型符合预设的训练结束条件，将调整参数后的初始分类模型确定为分类模型。
7、在一个可能的实施方式中，获取样本图像和样本图像对应的类别标签，包括：从预设的正样本图像集合中，获取正样本图像，其中，正样本图像对应于表示正样本图像为质量合格图像的合格类别标签，正样本图像集合包括原始图像子集和/或第一视角变换图像子集；从预设的负样本图像集合中，获取负样本图像，其中，负样本图像对应于表示负样本图像为质量不合格图像的不合格类别标签，负样本图像集合包括第二视角变换图像子集。
8、在一个可能的实施方式中，按照预设的至少两种特征提取类型，对待评价图像进行特征提取，得到至少两种单帧图像特征，包括：对待评价图像进行颜色特征提取，得到单帧颜色特征；对待评价图像进行结构特征提取，得到单帧结构特征；将单帧颜色特征和单帧结构特征合并，得到至少两种单帧图像特征。
9、在一个可能的实施方式中，对待评价图像进行结构特征提取，得到单帧结构特征，包括：基于颜色特征提取采用的颜色类型，对待评价图像进行边缘特征提取，得到单帧边缘特征；和/或，基于颜色特征提取采用的颜色类型，对待评价图像进行纹理特征提取，得到单帧纹理特征；基于单帧边缘特征和/或单帧纹理特征，生成单帧结构特征。
10、在一个可能的实施方式中，从至少两种单帧图像特征中，确定用于进行特征对比的目标单帧图像特征，包括：从至少两种单帧图像特征中，确定单帧颜色特征作为用于进行特征对比的目标单帧图像特征。
11、在一个可能的实施方式中，按照预设的至少两种特征提取类型，对待评价图像进行特征提取，得到至少两种单帧图像特征，包括：按照至少两种特征提取类型，对待评价图像的整体进行全局特征提取，得到至少两种单帧全局图像特征；对待评价图像进行语义分割，并从语义分割后的图像中确定包含目标对象的目标区域；按照至少两种特征提取类型，对目标区域进行局部特征提取，得到至少两种单帧局部图像特征；将至少两种单帧全局图像特征和至少两种单帧局部图像特征合并，得到至少两种单帧图像特征。
12、在一个可能的实施方式中，按照至少两种特征提取类型，对目标区域进行局部特征提取，得到至少两种单帧局部图像特征，包括：在待评价图像中，设置预设大小的多个窗口，使多个窗口覆盖目标区域；按照至少两种特征提取类型，从多个窗口覆盖的区域中提取局部图像特征，生成至少两种单帧局部图像特征。
13、在一个可能的实施方式中，在待评价图像中，设置预设大小的多个窗口，使多个窗口覆盖目标区域，包括：在目标区域的边界上，设置第一数量个窗口，使第一数量个窗口覆盖边界；和/或，在目标区域内部，设置第二数量个窗口，使第二数量个窗口覆盖目标区域内部。
14、第二方面，本申请实施例提供一种图像质量评价装置，该装置包括：第一获取模块，用于从图像序列中获取一帧图像作为待评价图像，并按照预设的至少两种特征提取类型，对待评价图像进行特征提取，得到至少两种单帧图像特征；第一确定模块，用于从图像序列中确定位于所述待评价图像之前的第n帧图像作为参考图像；第二获取模块，用于获取参考图像对应的至少两种参考单帧图像特征，其中，至少两种参考单帧图像特征与至少两种单帧图像特征的提取方式相同；第二确定模块，用于从至少两种单帧图像特征中，确定用于进行特征对比的目标单帧图像特征；对比模块，用于将目标单帧图像特征与至少两种参考单帧图像特征中对应的参本文档来自技高网...
【技术保护点】
1.一种图像质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从图像序列中获取一帧图像作为待评价图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述分类器包括特征阈值数据，所述特征阈值数据表示的特征种类与所述待评价特征表示的特征种类一一对应；
4.根据权利要求1所述的方法，其特征在于，所述分类器包括预先基于机器学习算法训练的分类模型；
5.根据权利要求4所述的方法，其特征在于，所述分类模型预先按照如下步骤训练得到：
6.根据权利要求5所述的方法，其特征在于，所述获取样本图像和所述样本图像对应的类别标签，包括：
7.根据权利要求1所述的方法，其特征在于，所述按照预设的至少两种特征提取类型，对所述待评价图像进行特征提取，得到至少两种单帧图像特征，包括：
8.根据权利要求7所述的方法，其特征在于，所述对所述待评价图像进行结构特征提取，得到单帧结构特征，包括：
9.根据权利要求7所述的方法，其特征在于，所述从所述至少两种单帧图像特征中，确定用于进行
10.根据权利要求1-9任一项所述的方法，其特征在于，所述按照预设的至少两种特征提取类型，对所述待评价图像进行特征提取，得到至少两种单帧图像特征，包括：
11.根据权利要求10所述的方法，其特征在于，所述按照所述至少两种特征提取类型，对所述目标区域进行局部特征提取，得到至少两种单帧局部图像特征，包括：
12.根据权利要求11所述的方法，其特征在于，所述在所述待评价图像中，设置预设大小的多个窗口，使所述多个窗口覆盖所述目标区域，包括：
13.一种图像质量评价装置，其特征在于，所述装置包括：
14.一种电子设备，其特征在于，包括：
15.一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，实现上述权利要求1-12任一所述的图像质量评价方法。
...【技术特征摘要】
1.一种图像质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从图像序列中获取一帧图像作为待评价图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述分类器包括特征阈值数据，所述特征阈值数据表示的特征种类与所述待评价特征表示的特征种类一一对应；
4.根据权利要求1所述的方法，其特征在于，所述分类器包括预先基于机器学习算法训练的分类模型；
5.根据权利要求4所述的方法，其特征在于，所述分类模型预先按照如下步骤训练得到：
6.根据权利要求5所述的方法，其特征在于，所述获取样本图像和所述样本图像对应的类别标签，包括：
7.根据权利要求1所述的方法，其特征在于，所述按照预设的至少两种特征提取类型，对所述待评价图像进行特征提取，得到至少两种单帧图像特征，包括：
8.根据权利要求7所述的方法，其特征在于，所述对所述待评价图像进行结构特征提取，得到单帧结构特征，包括：...
【专利技术属性】
技术研发人员：吴犀，石玺，江天，陈伶俐，郑波，
申请(专利权)人：重庆长安科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。