本申請涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像質(zhì)量評價方法和裝置。

背景技術(shù)：

隨著圖像技術(shù)的發(fā)展，用戶獲得圖像視覺信息的途徑不斷增多，用戶對于圖像質(zhì)量的要求也不斷提高。為了滿足用戶對日益增長的圖像質(zhì)量的需求，有必要對圖像質(zhì)量進行評價，以便根據(jù)評價結(jié)果，對輸出較差質(zhì)量圖像的設(shè)備(如圖像采集設(shè)備或圖像壓縮設(shè)備等)進行改進，從而從根本上提升所述設(shè)備輸出的圖像的質(zhì)量。可見，對于圖像質(zhì)量進行評價具有廣泛的現(xiàn)實意義。

現(xiàn)有的圖像質(zhì)量評價方法，包括用戶直接觀察圖像，并根據(jù)圖像的質(zhì)量給出評價。例如，用戶通過觀察圖像的清晰度給出諸如“非常好”、“好”、“一般”、“差”、“非常差”等評價結(jié)果；又例如，用戶根據(jù)圖像的質(zhì)量尺度對圖像進行打分，其中，圖像的質(zhì)量尺度可以諸如“非常嚴重的妨礙觀看”、“對觀看有妨礙”、“能看出圖像質(zhì)量變壞但不妨礙觀看”等。

這種圖像主觀質(zhì)量評價方法雖然能實現(xiàn)對圖像質(zhì)量進行評價，但通常評價效率較低，不能用于實時性的圖像評價處理。例如，當需要對實時接收的視頻中的每一幀圖像進行質(zhì)量評價時，采用上述的人工的用戶主觀的評價方法顯然很難滿足需求。

技術(shù)實現(xiàn)要素：

本申請實施例提供一種圖像質(zhì)量評價方法和裝置，用于提高圖像的質(zhì)量評價效率。

為實現(xiàn)上述目的，本申請實施例提供一種圖像質(zhì)量評價方法，包括：確定待評價圖像；確定所述待評價圖像的指定評價指標的值，所述指定評價指標，是與圖像質(zhì)量相關(guān)聯(lián)的圖像屬性；根據(jù)所述指定評價指標的值以及所述指定評價指標的權(quán)重，確定所述待評價圖像的質(zhì)量預(yù)測結(jié)果，其中，所述指定評價指標的權(quán)重，預(yù)先根據(jù)樣本圖像的質(zhì)量評價結(jié)果、以及所述樣本圖像的指定評價指標的值計算得到。

優(yōu)選地，所述樣本圖像的質(zhì)量評價結(jié)果，根據(jù)用戶對樣本圖像做出的評價結(jié)果求得。

優(yōu)選地，所述指定評價指標的權(quán)重，采用下述方式計算得到：確定所述樣本圖像的所述指定評價指標的值；在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重；所述預(yù)定約束條件，包括：使得所述樣本圖像的質(zhì)量預(yù)測結(jié)果趨近于或等于所述樣本圖像的質(zhì)量評價結(jié)果；所述評價函數(shù)，是以圖像的所述指定評價指標為自變量、以圖像的質(zhì)量預(yù)測結(jié)果為因變量的函數(shù)。

優(yōu)選地，所述指定評價指標，包括下述至少一種：邊緣強度、清晰度或信息熵。

優(yōu)選地，當所述指定評價指標包括邊緣強度、清晰度和信息熵時，所述評價函數(shù)為：

P_pre(i)＝αE(i)+βQ(i)+λH(i)

其中，P_pre(i)為圖像的質(zhì)量預(yù)測結(jié)果，E(i)為圖像的邊緣強度，Q(i)為圖像的清晰度，H(i)為圖像的信息熵，α為圖像的邊緣強度的權(quán)重，β為圖像的清晰度的權(quán)重，λ為圖像的信息熵的權(quán)重。

優(yōu)選地，在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重，包括：在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，按照遺傳算法，計算所述指定評價指標的權(quán)重。

優(yōu)選地，在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，按照遺傳算法，計算所述指定評價指標的權(quán)重，具體包括：確定預(yù)定數(shù)量的參數(shù)組，所述參數(shù)組包括有參數(shù)值，所述參數(shù)值與所述指定評價指標相對應(yīng)；根據(jù)所述評價函數(shù)、以及所述樣本圖像的質(zhì)量評價結(jié)果，確定所述遺傳算法的適應(yīng)度函數(shù)，所述適應(yīng)度函數(shù)反映利用所述參數(shù)組的參數(shù)值、以及所述樣本圖像的所述指定評價指標的值代入到所述評價函數(shù)中，計算到的樣本圖像的質(zhì)量預(yù)測結(jié)果與樣本圖像的質(zhì)量評價結(jié)果的趨近程度；將所述參數(shù)組中的參數(shù)值、所述樣本圖像的所述指定評價指標的值，以及所述樣本圖像的質(zhì)量評價結(jié)果代入到所述適應(yīng)度函數(shù)中，計算所述適應(yīng)度函數(shù)的值，并根據(jù)計算出的所述適應(yīng)度函數(shù)的值，調(diào)整所述預(yù)定數(shù)量的參數(shù)組內(nèi)的參數(shù)值，得到滿足預(yù)設(shè)條件的參數(shù)組，將滿足預(yù)設(shè)條件的參數(shù)組內(nèi)的參數(shù)值確定為所述指定評價指標的權(quán)重。

優(yōu)選地，所述方法還包括：利用確定出的待評價圖像的質(zhì)量預(yù)測結(jié)果，修正所述指定評價指標的權(quán)重。

為實現(xiàn)上述目的，本申請實施例還提供一種圖像質(zhì)量評價裝置，包括：圖像確定單元、評價指標確定單元、預(yù)測結(jié)果確定單元和權(quán)重確定單元，其中，所述圖像確定單元，用于確定待評價圖像；所述評價指標確定單元，用于確定所述待評價圖像的指定評價指標的值，所述指定評價指標，是與圖像質(zhì)量相關(guān)聯(lián)的圖像屬性；所述預(yù)測結(jié)果確定單元，用于根據(jù)所述指定評價指標的值以及所述指定評價指標的權(quán)重，確定所述待評價圖像的質(zhì)量預(yù)測結(jié)果；所述權(quán)重確定單元，用于預(yù)先根據(jù)樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的指定評價指標的值計算所述指定評價指標的權(quán)重。

優(yōu)選地，所述權(quán)重確定單元具體包括指定評價指標值確定模塊和計算模塊，其中，所述指定評價指標值確定模塊，用于確定所述樣本圖像的所述指定評價指標的值；所述計算模塊，用于在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重；所述預(yù)定約束條件，包括：使得所述樣本圖像的質(zhì)量預(yù)測結(jié)果趨近于或等于所述樣本圖像的質(zhì)量評價結(jié)果；所述評價函數(shù)，是以圖像的所述指定評價指標為自變量、以圖像的質(zhì)量預(yù)測結(jié)果為因變量的函數(shù)。

本申請實施例采用的上述至少一個技術(shù)方案能夠達到以下有益效果：該方法可以通過計算設(shè)備快速地計算出待評價圖像的質(zhì)量預(yù)測結(jié)果，相對于人工的圖像質(zhì)量的評價方法，提高了圖像質(zhì)量的評價效率。另外，該方法還能夠避免人工對圖像質(zhì)量的評價的主觀性，得到的圖像的質(zhì)量預(yù)測結(jié)果能夠更加真實地反映圖像質(zhì)量。

附圖說明

此處所說明的附圖用來提供對本申請的進一步理解，構(gòu)成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構(gòu)成對本申請的不當限定。在附圖中：

圖1為本申請實施例提供的圖像質(zhì)量評價方法的實現(xiàn)流程示意圖；

圖2為本申請實施例提供的指定評價指標權(quán)重的確定方法的實現(xiàn)流程示意圖；

圖3為本申請實施例中的編碼組示意圖；

圖4為本申請實施例提供的圖像質(zhì)量評價裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本申請具體實施例及相應(yīng)的附圖對本申請技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

如前所述，為了滿足用戶對日益增長的圖像質(zhì)量的需求，通常需要對圖像質(zhì)量進行評價，而現(xiàn)有技術(shù)中依靠人工對圖像的質(zhì)量評價效率較低。為解決這一技術(shù)問題，本申請實施例提供一種圖像質(zhì)量評價方法，用于提高圖像的質(zhì)量評價效率。本方法的執(zhí)行主體，可以是某種實體設(shè)備，也可以是某種虛擬設(shè)備。在一種實施方式中，本方法的執(zhí)行主體可以是客戶端，也可以是服務(wù)器。此外，本方法各步驟的執(zhí)行主體可以是同一設(shè)備，也可以是不同設(shè)備。

具體地，該方法的具體實現(xiàn)流程如圖1所示，包括以下幾個步驟：

步驟S11：確定待評價圖像；

該步驟中的待評價圖像，可以是由其他終端實時發(fā)送過來的圖像，例如接收監(jiān)控系統(tǒng)實時拍攝的每一幀圖像，將接收到的每一幀圖像確定為待評價圖像；

當然，該步驟中待評價圖像，也可以為預(yù)先儲存在本地的圖像?？梢园凑找欢ǖ膱D像選取規(guī)則，從本地保存的大量圖像內(nèi)選取圖像，將選取出的圖像確定為待評價圖像。

步驟S12：確定所述待評價圖像的指定評價指標的值；

所述指定評價指標，是與圖像質(zhì)量相關(guān)聯(lián)的圖像屬性。

與圖像質(zhì)量相關(guān)聯(lián)的圖像屬性通常較多，例如圖像的模糊程度、圖像的失真程度、圖像的邊緣強度、圖像的統(tǒng)一亮度分布、圖像的清晰度、圖像的信息熵等等。

步驟S12中，可以首先從上述眾多的圖像屬性中選取出預(yù)先設(shè)定好的指定評價指標。例如從圖像的眾多圖像屬性中選取出下述三個指定評價指標中的至少一個。這三個指定評價指標，分別為圖像的邊緣強度、圖像的清晰度和圖像的信息熵：

圖像的邊緣強度能夠反映圖像的清晰程度，邊緣強度的數(shù)值越大，則圖像越清晰，因此圖像的質(zhì)量也就越高；

圖像的清晰度的數(shù)值越大，則圖像的細節(jié)越明顯，圖像的質(zhì)量越高；

圖像的信息熵的數(shù)值越大，則圖像的信息越豐富，圖像的質(zhì)量越高。

確定出待評價圖像的指定評價指標之后，即可根據(jù)待評價圖像的圖像數(shù)據(jù)，結(jié)合上述指定評價指標的計算公式計算每個指定評價指標的具體值，即計算指定評價指標的值。

本申請實施例中，如何根據(jù)待評價圖像的圖像數(shù)據(jù)，結(jié)合所述計算公式計算指定評價指標的值，具體可以參見后文的實例。

步驟S13：根據(jù)所述指定評價指標的值以及所述指定評價指標的權(quán)重，確定所述待評價圖像的質(zhì)量預(yù)測結(jié)果。

其中，所述指定評價指標的權(quán)重，預(yù)先根據(jù)樣本圖像的質(zhì)量評價結(jié)果、以及所述樣本圖像的指定評價指標的值計算得到。

本申請實施例中，在確定出待評價圖像的質(zhì)量預(yù)測結(jié)果后，可以對質(zhì)量預(yù)測結(jié)果進行輸出或者保存。比如，可以將質(zhì)量預(yù)測結(jié)果，發(fā)送給期望獲取該質(zhì)量預(yù)測結(jié)果的設(shè)備；或者，可以將質(zhì)量預(yù)測結(jié)果，顯示在顯示屏上從而實現(xiàn)對質(zhì)量預(yù)測結(jié)果的展示。

根據(jù)步驟S12中計算得到的待評價圖像的指定評價指標的值，結(jié)合每個指定評價指標的權(quán)重，即可計算出待評價圖像的質(zhì)量預(yù)測結(jié)果。其中，圖像的質(zhì)量預(yù)測結(jié)果可以直接以數(shù)值的方式體現(xiàn)。當圖像的質(zhì)量與圖像的質(zhì)量預(yù)測結(jié)果的值正相關(guān)時，圖像的質(zhì)量預(yù)測結(jié)果的值越大，則圖像的質(zhì)量越高；當圖像的質(zhì)量與圖像的質(zhì)量預(yù)測結(jié)果的值負相關(guān)時，圖像的質(zhì)量預(yù)測結(jié)果的值越小，則圖像的質(zhì)量越高。

針對所述指定評價指標的權(quán)重的計算時機而言，本申請實施例中，可以在執(zhí)行步驟S12前，就預(yù)先根據(jù)樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的指定評價指標的值，計算得到所述指定評價指標的權(quán)重，并對所述權(quán)重進行保存，以便在執(zhí)行步驟S13時，可以獲取保存的所述權(quán)重，并根據(jù)所述待評價圖像的指定評價指標的值以及獲取到的所述權(quán)重，確定所述待評價圖像的質(zhì)量預(yù)測結(jié)果。

具體而言，根據(jù)樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的指定評價指標的值計算所述指定評價指標的權(quán)重，可以包括下述步驟：

確定所述樣本圖像的所述指定評價指標的值；

在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重；

其中，所述預(yù)定約束條件，包括：使得所述樣本圖像的質(zhì)量預(yù)測結(jié)果趨近于或者是等于所述樣本圖像的質(zhì)量評價結(jié)果；

所述評價函數(shù)，是以圖像的所述指定評價指標為自變量、以圖像的質(zhì)量預(yù)測結(jié)果為因變量的函數(shù)。

以上提到圖像的質(zhì)量預(yù)測結(jié)果和圖像的質(zhì)量評價結(jié)果，其中，質(zhì)量評價結(jié)果通常是根據(jù)用戶對樣本圖像做出的評價結(jié)果(一般是指進行量化的評價)而得到；質(zhì)量預(yù)測結(jié)果通常是利用評價函數(shù)，對待評價圖像、又或者是樣本圖像進行計算而得到。

需要說明的是，上述樣本圖像的質(zhì)量評價結(jié)果，可以根據(jù)用戶對樣本圖像做出的評價結(jié)果求得，比如，可以是用戶對樣本圖像做出的、量化的主觀評價結(jié)果。

通過該實施例提供的方法，首先確定出圖像的指定評價指標，以及每個指定評價指標的權(quán)重，這樣確定出待評價圖像后，只需計算出待評價圖像的指定評價指標的值，結(jié)合指定評價指標的權(quán)重即可計算出待評價圖像的質(zhì)量預(yù)測結(jié)果，該方法可以通過計算設(shè)備快速地計算出待評價圖像的質(zhì)量預(yù)測結(jié)果，相對于人工的圖像質(zhì)量的評價方法，提高了圖像質(zhì)量的評價效率。另外，該方法還能夠避免人工對圖像質(zhì)量的評價的主觀性，得到的圖像的質(zhì)量預(yù)測結(jié)果能夠更加真實地反映圖像質(zhì)量。

現(xiàn)有技術(shù)中雖然有一些通過模型訓練對圖像質(zhì)量進行評價的方法，這些圖像評價方法首先建立統(tǒng)計學模型，通過學習訓練的方法來預(yù)測待評價圖像質(zhì)量分數(shù)，這種模型訓練的方法由于模型學習、訓練過程中的計算量較大，得到的模型的數(shù)據(jù)量也較大，很難應(yīng)用于要求實時性的場合。

而本申請實施例提供的圖像質(zhì)量評價方法，由于直接確定出與圖像的質(zhì)量相關(guān)聯(lián)的指定評價指標，簡化了模型學習訓練過程中的特征提取的過程(相當于確定指定評價指標的過程)，并且計算量較小，通?？梢詫⒈旧暾垖嵤├峁┑膱D像質(zhì)量評價方法，應(yīng)用在一些視頻傳輸系統(tǒng)、視頻監(jiān)控系統(tǒng)內(nèi)，進而實現(xiàn)實時評價圖像質(zhì)量的目的。而上述通過模型學習訓練的方法得到的模型一般數(shù)據(jù)量較大，如果將其集成在視頻傳輸系統(tǒng)、視頻監(jiān)控系統(tǒng)中實時評價圖像，則會造成系統(tǒng)臃腫，消耗較多的資源。因此，本申請實施例提供的圖像質(zhì)量的評價方法相對于通過模型學習訓練后評價圖像質(zhì)量的方法，不僅簡化了模型學習訓練過程中的特征提取的過程，而且計算數(shù)據(jù)量小，適應(yīng)性更廣。

上述實施例介紹了圖像質(zhì)量的評價方法，其中提到圖像的指定評價指標，以及指定評價指標的權(quán)重，以下將結(jié)合一實施實例介紹圖像的指定評價指標的權(quán)重確定方法，如圖2所示，該方法包括以下幾個步驟：

步驟S21：采集樣本圖像，同時獲取所述樣本圖像的質(zhì)量評價結(jié)果；

對于該步驟中采集的樣本圖像的數(shù)量，通常是樣本圖像的數(shù)量越多，在后續(xù)的計算權(quán)重時得到的權(quán)重的值越精確，但考慮到采集成本，可以將采集的樣本圖像的數(shù)量限定在一定范圍內(nèi)，如500到1000等，本申請實施例對采集的樣本圖像的數(shù)量不做限定。

該步驟中樣本圖像的質(zhì)量評價結(jié)果，可以是根據(jù)用戶對樣本圖像做出的評價結(jié)果求得。例如在確定一樣本圖像的質(zhì)量評價結(jié)果時，首先隨機選取大量的用戶分別對該樣本圖像的質(zhì)量進行打分，然后取所有用戶所打的分數(shù)的平均值，作為該樣本圖像的質(zhì)量評價結(jié)果。

另外，對于上述樣本圖像的質(zhì)量評價結(jié)果，可以依次記為P_actual(i),i∈(1,2,…,k)。其中，k為采集的樣本圖像的總數(shù)，用i指代樣本圖像的編號，用以區(qū)分不同的樣本圖像。本申請實施例中，假設(shè)P_actual(i)的值與樣本圖像的質(zhì)量的關(guān)系為：P_actual(i)越大，代表樣本圖像的質(zhì)量越高。

步驟S22：確定樣本圖像的指定評價指標的值，并構(gòu)建以圖像的指定評價指標為自變量、以圖像的預(yù)測結(jié)果為因變量的評價函數(shù)；

由于圖像的邊緣越明顯，則圖像的細節(jié)保持的越完整；圖像越清晰，則圖像的觀感越好；圖像包含的信息越豐富，則圖像的質(zhì)量越好。

根據(jù)上述結(jié)論，無論是樣本圖像還是待評價圖像，本申請實施例中，均可以確定圖像的邊緣強度，圖像的清晰度以及圖像的信息熵作為圖像的指定評價指標，具體而言，可以確定樣本圖像的邊緣強度、清晰度和信息熵作為樣本圖像的指定評價指標；確定待評價圖像的邊緣強度、清晰度和信息熵作為待評價圖像的指定評價指標。

確定出圖像的指定評價指標之后，即可根據(jù)上述指定評價指標的計算公式確定出樣本圖像的指定評價指標的值，具體計算公式如下：

圖像的邊緣強度：

$E\left(i\right)=\frac{1}{M\×N}\underset{x=0}{\overset{M}{\Σ}}\underset{y=0}{\overset{N}{\Σ}}\sqrt{{(\∫{\∫}_{\mathrm{\Ω}}{I}_i(x,y\left)W\right(x,y\left)\right)}^2+{(\∫{\∫}_{\mathrm{\Ω}}{I}_i(x,y\left)W^{\′}\right(x,y\left)\right)}^2}---\left(1\right)$

圖像的清晰度：

$Q\left(i\right)=\frac{1}{M\×N}\underset{x=0}{\overset{M}{\Σ}}\underset{y=0}{\overset{N}{\Σ}}\left(\right|I_i\left(x,y\right)-I_i\left(x,y-1\right)|+|I_i\left(x,y\right)-I_i\left(x-1,y\right)\left|\right)---\left(2\right)$

在公式(1)和公式(2)中，i∈(1,2,…,k)，i為樣本圖像的編號，E(i)代表圖像的邊緣強度；Q(i)代表圖像的清晰度；M，N分別為圖像寬度和高度的值，其中寬度和高度可以以像素為單位；I(x,y)為第x列，第y行的像素點的像素值，W(x,y)為sobel算子矩陣；W'(x,y)為sobel算子的轉(zhuǎn)置矩陣；Ω為3×3矩陣。需要說明的是，上述公式中的像素值I(x,y)一般為灰度值，彩色圖像一般包含R、G、B三個通道的值，可以預(yù)先將R、G、B三個通道的值轉(zhuǎn)換成灰度值。

圖像的信息熵：

$H\left(i\right)=-\underset{z=0}{\overset{255}{\Σ}}p\left(z\right)log\left(p\right(z\left)\right)---\left(3\right)$

在公式(3)中，H(i)代表圖像的信息熵；p(z)為圖像中像素值為z的像素點出現(xiàn)的概率，其中，z的取值范圍為0-255。另外，由于公式(3)中p(z)的值一般是小于1，log(p(z))為負數(shù)，因此在計算H(i)時在整個公式前面加一負號，其中，公式(3)中的對數(shù)可以取2為底數(shù)。

根據(jù)上述公式(1)、公式(2)和公式(3)即可計算出k幅樣本圖像中，每一幅樣本圖像的邊緣強度的值，清晰度的值和信息熵的值，然后即可根據(jù)構(gòu)建的，以圖像的上述指定評價指標為自變量、以圖像的質(zhì)量預(yù)測結(jié)果為因變量的評價函數(shù)，將樣本圖像的指定評價指標的值的值帶入評價函數(shù)中，結(jié)合樣本圖像的質(zhì)量評價結(jié)果P_actual(i)，以此來計算出指定評價指標的權(quán)重，其中：

評價函數(shù)的計算公式如下：

P_pre(i)＝αE(i)+βQ(i)+λH(i) (4)

在公式(4)中，α,β,λ分別為圖像的邊緣強度的權(quán)重，清晰度的權(quán)重和信息熵的權(quán)重。α,β,λ的取值范圍通常為(0,10)，即0＜(α,β,λ)＜10。

P_pre(i)為根據(jù)上述評價函數(shù)計算出的圖像評價結(jié)果的值。

在計算α,β,λ的值時，可以使P_pre(i)無限趨近于或者是等于P_actual(i)，進而根據(jù)樣本圖像的質(zhì)量評價結(jié)果P_actual(i)、樣本圖像的邊緣強度的值E(i)、樣本圖像的清晰度的值Q(i)和樣本圖像的信息熵的值H(i)，進而反向計算α,β,λ的值。

由公式(4)可知，公式中有三個未知數(shù)α,β,λ，由此根據(jù)三個樣本圖像的質(zhì)量評價結(jié)果、邊緣強度的值、清晰度的值和信息熵的值即可計算出具體的α,β,λ的值。但由于步驟S21中樣本圖像的質(zhì)量評價結(jié)果通常是根據(jù)統(tǒng)計的隨機用戶對樣本圖像的評價結(jié)果求得，用戶的主觀評價值有很多不確定因素影響，會引入一部分的非線性因子，因此為了精確計算α,β,λ的值，可以利用遺傳算法計算α,β,λ的值，進而使利用評價函數(shù)得出的圖像的質(zhì)量預(yù)測結(jié)果與評價結(jié)果之間的誤差盡可能的縮小。

具體計算α,β,λ的值如步驟S23所示。

步驟S23：根據(jù)樣本圖像的質(zhì)量評價結(jié)果，利用遺傳算法確定評價函數(shù)中的自變量的權(quán)重。

利用遺傳算法確定評價函數(shù)中的自變量的權(quán)重，即確定公式(4)中α,β,λ的值，具體確定步驟如下：

1)首先選取預(yù)定數(shù)量的參數(shù)組，參數(shù)組內(nèi)的參數(shù)值是隨機選取的，分別與α,β,λ對應(yīng)，而α,β,λ分別與上述指定評價指標對應(yīng)，因此稱參數(shù)組內(nèi)的參數(shù)值與所述指定評價指標相對應(yīng)，進而用參數(shù)組內(nèi)的參數(shù)值來代替α,β,λ的值。

在本實施例中，可以利用隨機選取的二進制編碼組成編碼組的形式來表達參數(shù)組內(nèi)的參數(shù)值。例如利用三個分別與α,β,λ對應(yīng)的10位二進制數(shù)組成編碼，進而組成一條帶有30位二進制數(shù)的染色體。由于10位二進制數(shù)能夠代表十進制數(shù)中從0到1024之間的任意一個整數(shù)，步驟S22中α,β,λ為不大于10的實數(shù)，因此將上述編碼組內(nèi)的編碼代表的十進制數(shù)除以100，得到的商保留兩位有效數(shù)字，則得到的參數(shù)組內(nèi)各個參數(shù)值，實際上的到的參數(shù)組內(nèi)的參數(shù)值的取值范圍是0.00到10.24，與實際的α,β,λ的取值范圍0到10相差不大，此誤差可以忽略不計。

例如染色體為(0100101100 0110010000 0111110100)的編碼組內(nèi)的編碼代表十進制數(shù)中的300，400和500，將編碼組內(nèi)的編碼代表的十進制數(shù)除以100，得到的商保留兩位有效數(shù)字，則代表的參數(shù)組內(nèi)的參數(shù)值則為(3.00，4.00，5.00)其中，3.00與α對應(yīng)；4.00與β對應(yīng)；5.00與λ對應(yīng)，具體的編碼組示意圖如圖3所示。

上述提到參數(shù)組，編碼組和染色體，其中：將編碼組內(nèi)的三個十位的二進制數(shù)分別代表的十進制數(shù)除以100，得到的商保留兩位有效數(shù)字即得到參數(shù)組內(nèi)的參數(shù)值；一個由30位二進制數(shù)組成的編碼組稱為一條染色體。

2)選取預(yù)定數(shù)量的參數(shù)組之后，確定遺傳算法的適應(yīng)度函數(shù)，所述適應(yīng)度函數(shù)可以根據(jù)所述評價函數(shù)、以及所述樣本圖像的質(zhì)量評價結(jié)果確定，本實施例中確定的適應(yīng)度函數(shù)如下：

$Fit\left(j\right)=\underset{i=1}{\overset{k}{\Σ}}{\left(P_{pre}^j\right(i)-P_{actual}(i\left)\right)}^2---\left(5\right)$

其中，為利用選取出的參數(shù)組內(nèi)的參數(shù)值作為α,β,λ的值計算出的樣本圖像的質(zhì)量預(yù)測結(jié)果，j∈(1,2,…,L)，其中，預(yù)定數(shù)量的參數(shù)組的數(shù)量用L表示，P_actual(i)為步驟S21中獲取到的樣本圖像的質(zhì)量評價結(jié)果。

3)對于選取的預(yù)定數(shù)量的參數(shù)組，分別將參數(shù)組內(nèi)的與α,β,λ對應(yīng)的參數(shù)值、以及樣本圖像的邊緣強度的值E(i)、清晰度的值Q(i)和信息熵的值H(i)代入到公式(4)中，進而得到步驟S21中獲取到的樣本圖像的質(zhì)量預(yù)測結(jié)果再根據(jù)樣本圖像的質(zhì)量評價結(jié)果P_actual(i)，結(jié)合公式(5)得到：利用每一個參數(shù)組內(nèi)的參數(shù)值計算到的適應(yīng)度函數(shù)的值Fit(j)，j∈(1,2,…,L)。

由公式(5)可知，適應(yīng)度函數(shù)的值越小，表明利用該參數(shù)組內(nèi)的參數(shù)計算出的樣本圖像的質(zhì)量預(yù)測結(jié)果與樣本圖像的質(zhì)量評價結(jié)果越接近。得到的適應(yīng)度函數(shù)的值越小的參數(shù)組，則是期望得到的參數(shù)組。

然后將計算出的L個適應(yīng)度函數(shù)的值分別代入到以下公式中：

$p\left(j\right)=\frac{1/Fit\left(j\right)}{\underset{j=1}{\overset{L}{\Σ}}1/Fit\left(j\right)}---\left(6\right)$

通過公式(6)進而得到L個分別與每個參數(shù)組對應(yīng)的概率值。結(jié)合公式(5)和公式(6)可知，對于一個參數(shù)組，其適應(yīng)度函數(shù)的值越小，則公式(6)得到的概率值越大。根據(jù)公式(6)計算出的L個概率值的分布規(guī)律，結(jié)合采用輪盤賭和精英選擇法計算L組參數(shù)組內(nèi)每組參數(shù)組的選擇概率，根據(jù)計算出的選則概率，從L組參數(shù)組內(nèi)選取出一定數(shù)量的參數(shù)組作為精英，直接選入子代種群。

例如選取的參數(shù)組的數(shù)量L＝200，選出的作為精英的參數(shù)組的數(shù)量為5個，進而將這5個參數(shù)組對應(yīng)的編碼組內(nèi)的編碼保持不變，改變剩余的195個參數(shù)組對應(yīng)的編碼組內(nèi)的編碼，具體的改變編碼的方式可以通過交叉操作或者是變異的方式。

對編碼組進行交叉操作時，可以結(jié)合多點交叉和均勻交叉，多點交叉時，可以從兩個編碼組內(nèi)隨機選取一段二進制編碼進而交換位置；均勻交叉則固定交換編碼組內(nèi)的某一段的二進制編碼；同時，對于編碼組的二進制編碼可以利用倒位操作來產(chǎn)生隨機性的新的編碼組。在具體操作時，可以通過設(shè)置遺傳算法的交叉率和變異率：通過設(shè)置交叉率進而控制參加交叉操作的染色體的數(shù)量；通過設(shè)置變異率進而控制發(fā)生變異的染色體條數(shù)。在該實施例中，可以設(shè)置交叉率的值為0.85，變異率的值為0.01。

最后選出的作為精英的參數(shù)組，以及改變過編碼的參數(shù)組則構(gòu)成子代種群，子代種群也包括L組參數(shù)組，返回步驟2)和步驟3)繼續(xù)進行遺傳迭代，當滿足設(shè)定的收斂判斷條件時，遺傳算法終止。最后從算法終止時的那一子代種群中選取出一組最優(yōu)的編碼組，將該編碼組的編碼代表的十進制數(shù)除以100，得到的商保留兩位有效數(shù)字，得到的參數(shù)值作為α,β,λ的權(quán)重值。

在該實施例中，上述設(shè)定的收斂判斷條件可以設(shè)定為：達到最大允許迭代次數(shù)；或者收斂容許誤差小于給定閾值。例如設(shè)定的迭代次數(shù)是500次，則遺傳算法迭代夠500次時不再繼續(xù)迭代，進而從迭代第500次得到的編碼組內(nèi)選取出一組最優(yōu)的編碼組。又例如，迭代過程中得到的某一個參數(shù)組，將其包含的參數(shù)值代入到公式(5)內(nèi)得到的適應(yīng)度函數(shù)的值小于預(yù)設(shè)閥值，表明該參數(shù)組內(nèi)的參數(shù)值計算出的樣本圖像的質(zhì)量預(yù)測結(jié)果與樣本圖像的質(zhì)量評價結(jié)果已經(jīng)十分接近，則可以終止遺傳算法，將該參數(shù)組內(nèi)的參數(shù)值作為α,β,λ的權(quán)重值。

通過該實施例提供的方法即可確定出樣本圖像的指定評價指標的權(quán)重，權(quán)重即公式(4)內(nèi)的α,β,λ的值，根據(jù)公式(4)所示的評價函數(shù)，對待評價圖像的質(zhì)量進行評價時，首先計算出待評價圖像的邊緣強度的值、清晰度的值和信息熵的值，代入到評價函數(shù)中即可得到待評價圖像的質(zhì)量預(yù)測結(jié)果。

計算出待評價圖像的質(zhì)量預(yù)測結(jié)果之后，還可以上述“待評價圖像”(實際上已經(jīng)得到預(yù)測結(jié)果的值，為保持名稱的前后統(tǒng)一，此處還稱“待評價圖像”)作為步驟S21采集的樣本圖像，“待評價圖像”的質(zhì)量預(yù)測結(jié)果作為樣本圖像的質(zhì)量評價結(jié)果。相當于增加采集的樣本圖像的數(shù)量，進而還可以利用該實施例步驟S21、步驟S22和步驟S23提供的指定評價指標權(quán)重的確定方法，重新確定指定評價指標的權(quán)重，相當于對指定評價指標的權(quán)重不斷進行修正，最終提高圖像質(zhì)量評價的準確性。。

本申請實施例提供的方法，通過利用圖像的邊緣強度，圖像的清晰度以及圖像的信息熵來量化人眼對于圖像的主觀感受，得到的待評價圖像的質(zhì)量預(yù)測結(jié)果貼近真實圖像質(zhì)量評估值。同時，本申請實施例提供的評價函數(shù)結(jié)合遺傳算法，對評價函數(shù)中自變量的權(quán)重的值進行不斷的修正，提高了圖像質(zhì)量評價的準確性。

與上述方法實施例對應(yīng)，本申請還提供一種圖像質(zhì)量評價裝置實施例，如圖4所示，該裝置包括：圖像確定單元31、評價指標確定單元32、預(yù)測結(jié)果確定單元33和權(quán)重確定單元34，其中，

所述圖像確定單元31，可以用于確定待評價圖像；

所述評價指標確定單元32，可以用于確定所述待評價圖像的指定評價指標的值，所述指定評價指標，是與圖像質(zhì)量相關(guān)聯(lián)的圖像屬性；

所述預(yù)測結(jié)果確定單元33，可以用于根據(jù)所述指定評價指標的值以及所述指定評價指標的權(quán)重，確定所述待評價圖像的質(zhì)量預(yù)測結(jié)果

所述權(quán)重確定單元34，可以預(yù)先根據(jù)樣本圖像的質(zhì)量評價結(jié)果、以及所述樣本圖像的指定評價指標的值計算所述指定評價指標的權(quán)重。

另外，上述權(quán)重確定單元34可以具體包括指定評價指標值確定模塊341和計算模塊342，其中，所述指定評價指標值確定模塊341，可以用于確定所述樣本圖像的所述指定評價指標的值；所述計算模塊342，可以用于在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重；所述預(yù)定約束條件，包括：使得所述樣本圖像的質(zhì)量預(yù)測結(jié)果趨近于或等于所述樣本圖像的質(zhì)量評價結(jié)果；所述評價函數(shù)，是以圖像的所述指定評價指標為自變量、以圖像的質(zhì)量預(yù)測結(jié)果為因變量的函數(shù)。

評價指標確定單元32和預(yù)測結(jié)果確定單元33中的指定評價指標，包括下述至少一種：邊緣強度、清晰度或信息熵。當指定評價指標包括邊緣強度、清晰度和信息熵時，所述評價函數(shù)為：

P_pre(i)＝αE(i)+βQ(i)+λH(i)

其中，P_pre(i)為圖像的質(zhì)量預(yù)測結(jié)果，E(i)為圖像的邊緣強度，Q(i)為圖像的清晰度，H(i)為圖像的信息熵，α為圖像的邊緣強度的權(quán)重，β為圖像的清晰度的權(quán)重，λ為圖像的信息熵的權(quán)重。

在預(yù)定約束條件的約束下，根據(jù)評價函數(shù)、所述樣本圖像的質(zhì)量評價結(jié)果，以及所述樣本圖像的所述指定評價指標的值，計算所述指定評價指標的權(quán)重時，具體可以采用遺傳算法計算權(quán)重，可以包括以下步驟：確定預(yù)定數(shù)量的參數(shù)組，所述參數(shù)組包括有參數(shù)值，所述參數(shù)值與所述指定評價指標相對應(yīng)；根據(jù)所述評價函數(shù)、以及所述樣本圖像的質(zhì)量評價結(jié)果，確定所述遺傳算法的適應(yīng)度函數(shù)，所述適應(yīng)度函數(shù)反映利用所述參數(shù)組的參數(shù)值、以及所述樣本圖像的所述指定評價指標的值代入到所述評價函數(shù)中計算到的樣本圖像的質(zhì)量預(yù)測結(jié)果與樣本圖像的質(zhì)量評價結(jié)果的趨近程度；

將所述參數(shù)組中的參數(shù)值、所述樣本圖像的所述指定評價指標的值，以及所述樣本圖像的質(zhì)量評價結(jié)果代入到所述適應(yīng)度函數(shù)中，計算所述適應(yīng)度函數(shù)的值，并根據(jù)計算出的所述適應(yīng)度函數(shù)的值，調(diào)整所述預(yù)定數(shù)量的參數(shù)組內(nèi)的參數(shù)值，得到滿足預(yù)設(shè)條件的參數(shù)組，將滿足預(yù)設(shè)條件的參數(shù)組內(nèi)的參數(shù)值確定為所述指定評價指標的權(quán)重。

最終預(yù)測結(jié)果確定單元33中確定出的待評價圖像的質(zhì)量預(yù)測結(jié)果，還可以利用上述遺傳算法不斷修正所述指定評價指標的權(quán)重。

本申請實施例提供的圖像質(zhì)量評價裝置，可以通過計算設(shè)備快速地計算出待評價圖像的質(zhì)量預(yù)測結(jié)果，相對于人工的圖像質(zhì)量的評價方法，提高了圖像質(zhì)量的評價效率。另外，該裝置還能夠避免人工對圖像質(zhì)量的評價的主觀性，得到的圖像的質(zhì)量預(yù)測結(jié)果能夠更加真實地反映圖像質(zhì)量。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本申請是參照根據(jù)本申請實施例的方法、設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

在一個典型的配置中，計算設(shè)備包括一個或多個處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。

內(nèi)存可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲器(ROM)或閃存(flash RAM)。內(nèi)存是計算機可讀介質(zhì)的示例。

計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可以是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機存取存儲器(SRAM)、動態(tài)隨機存取存儲器(DRAM)、其他類型的隨機存取存儲器(RAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設(shè)備訪問的信息。按照本文中的界定，計算機可讀介質(zhì)不包括暫存電腦可讀媒體(transitory media)，如調(diào)制的數(shù)據(jù)信號和載波。

還需要說明的是，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括要素的過程、方法、商品或者設(shè)備中還存在另外的相同要素。

本領(lǐng)域技術(shù)人員應(yīng)明白，本申請的實施例可提供為方法、系統(tǒng)或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

以上僅為本申請的實施例而已，并不用于限制本申請。對于本領(lǐng)域技術(shù)人員來說，本申請可以有各種更改和變化。凡在本申請的精神和原理之內(nèi)所作的任何修改、等同替換、改進等，均應(yīng)包含在本申請的權(quán)利要求范圍之內(nèi)。