CN111028198B - 图像质量评估方法、装置、终端及可读存储介质 - Google Patents
图像质量评估方法、装置、终端及可读存储介质 Download PDFInfo
- Publication number
- CN111028198B CN111028198B CN201911083970.1A CN201911083970A CN111028198B CN 111028198 B CN111028198 B CN 111028198B CN 201911083970 A CN201911083970 A CN 201911083970A CN 111028198 B CN111028198 B CN 111028198B
- Authority
- CN
- China
- Prior art keywords
- dimension data
- face
- score
- determining
- target image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 32
- 230000005484 gravity Effects 0.000 claims description 34
- 238000003708 edge detection Methods 0.000 claims description 33
- 210000000744 eyelid Anatomy 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 21
- 210000000887 face Anatomy 0.000 claims description 20
- 238000001303 quality assessment method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 210000003128 head Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000820373 Paspalidium globoideum Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像质量评估方法、装置、终端及可读存储介质，涉及计算机技术领域。本公开通过确定目标图像的目标维度数据，目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个；根据目标维度数据，确定目标图像的质量评分，质量评分用于对目标图像的质量进行评估。综合考虑一个或多个维度下的目标维度数据，确定目标图像的质量评分，以对目标图像的质量进行评估，对目标图像的评估更加客观，解决了人工评估的准确度差和速度慢的问题，能够提高图像质量评估的准确度和速度，可以适用于对大量图像进行评估。
Description
本公开要求在2019年7月12日提交至中华人民共和国知识产权局、申请号为201910631351.5、发明名称为“图像质量评估方法、装置、终端及可读存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本公开中。
技术领域
本公开涉及计算机技术领域，尤其涉及一种图像质量评估方法、装置、终端及可读存储介质。
背景技术
随着计算机技术的不断发展，以及智能硬件设备的普及，促进了视频的发展，随着视频的发展，人们对于图像或者视频帧提出了更高的要求，其中图像或者视频帧质量的评估变得非常重要，评估图像或者视频帧质量用途广泛，例如，可以用于判断视频的整体质量、挑选最佳封面或者挑选最佳片段等。
然而相关技术中，评估图像或者视频帧质量通常采用人工评估的方式，人工评估标准难统一，造成图像质量评估准确度差，并且人工评估速度慢，不利于对大量图像或者视频帧进行评估。
发明内容
本申请实施例提供一种图像质量评估方法、装置、终端及可读存储介质，旨在提高图像质量评估准确度。
根据本公开实施例的第一方面，提供了一种图像质量评估方法，所述方法包括：
确定目标图像的目标维度数据；所述目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个；
根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估。
可选地，所述目标维度数据包括图像清晰度维度数据；所述确定目标图像的目标维度数据的步骤，包括：
对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果；
计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值；
和/或，对所述目标图像进行模糊处理，得到模糊图像；
计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值；
根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值；
根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
可选地，所述目标维度数据包括色彩丰富度维度数据；所述确定目标图像的目标维度数据的步骤，包括：
计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值；
根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
可选地，所述目标维度数据包括价值程度维度数据；所述确定目标图像的目标维度数据的步骤，包括：
计算所述目标图像的帧内失真度量值的方差和均值；
根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量；
将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
可选地，当所述目标图像包含人脸图像时，在所述根据所述目标维度数据，确定所述目标图像的质量评分的步骤之前，还包括：
确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个；
所述根据所述目标维度数据，确定所述目标图像的质量评分的步骤，包括：
根据所述目标维度数据，确定所述目标图像的第一质量分数；
根据所述人脸维度数据，确定所述目标图像的第二质量分数；
根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
可选地，所述人脸维度数据包括睁眼程度维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值；
计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值；
当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值；
当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据；
当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
可选地，所述人脸维度数据包括张嘴程度维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角；
根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
可选地，所述人脸维度数据包括构图维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
确定所述人脸区域包括的人脸数量；
当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据；
当所述人脸区域包括多张人脸时，根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
可选地，所述人脸维度数据包括人脸方向维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
确定所述人脸区域中的人脸方向；
根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
根据本公开实施例的第二方面，提供一种图像质量评估装置，所述装置包括：
目标维度数据确定模块，用于确定目标图像的目标维度数据；所述目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个；
质量评分确定模块，用于根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估。
可选地，所述目标维度数据包括图像清晰度维度数据；所述目标维度数据确定模块，包括：
边缘检测子模块，用于对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果；
第一清晰度分值确定子模块，用于计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值；
和/或，模糊处理子模块，用于对所述目标图像进行模糊处理，得到模糊图像；
YUV差值计算子模块，用于计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值；
第二清晰度分值确定子模块，用于根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值；
图像清晰度维度数据确定子模块，用于根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
可选地，所述目标维度数据包括色彩丰富度维度数据；所述目标维度数据确定模块，包括：
分量方差均值确定子模块，用于计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值；
色彩丰富度维度数据确定子模块，用于根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
可选地，所述目标维度数据包括价值程度维度数据；所述目标维度数据确定模块，包括：
度量值方差均值确定子模块，用于计算所述目标图像的帧内失真度量值的方差和均值；
特征向量生成子模块，用于根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量；
价值程度维度数据确定子模块，用于将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
可选地，当所述目标图像包含人脸图像时，所述图像质量评估装置还包括：
人脸维度数据确定模块，用于确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个；
所述质量评分确定模块，包括：
第一质量分数确定子模块，用于根据所述目标维度数据，确定所述目标图像的第一质量分数；
第二质量分数确定子模块，用于根据所述人脸维度数据，确定所述目标图像的第二质量分数；
质量评分确定子模块，用于根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
可选地，所述人脸维度数据包括睁眼程度维度数据；所述人脸维度数据确定模块，包括：
左眼睁眼分值确定子模块，用于计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值；
右眼睁眼分值确定子模块，用于计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值；
第一睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值；
第二睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据；
第三睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
可选地，所述人脸维度数据包括张嘴程度维度数据；所述人脸维度数据确定模块，包括：
夹角确定子模块，用于确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角；
张嘴程度维度数据确定子模块，用于根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
可选地，所述人脸维度数据包括构图维度数据；所述人脸维度数据确定模块，包括：
人脸数量确定子模块，用于确定所述人脸区域包括的人脸数量；
第一构图维度数据确定子模块，用于当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据；
第二构图维度数据确定子模块，用于当所述人脸区域包括多张人脸时，根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
可选地，所述人脸维度数据包括人脸方向维度数据；所述人脸维度数据确定模块，包括：
人脸方向确定子模块，用于确定所述人脸区域中的人脸方向；
人脸方向维度数据确定子模块，用于根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
根据本公开实施例的第三方面，提供一种终端，该终端包括：
处理器；
用于存储该处理器可执行指令的存储器；
其中，该处理器被配置为执行以实现如本公开提供的图像质量评估方法所执行的操作。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当该存储介质中的指令由终端的处理器执行时，使得终端能够执行一种以实现如本公开提供的图像质量评估方法所执行的操作。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过确定目标图像的目标维度数据，目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个；根据目标维度数据，确定目标图像的质量评分，质量评分用于对目标图像的质量进行评估。综合考虑一个或多个维度下的目标维度数据，确定目标图像的质量评分，以对目标图像的质量进行评估，对目标图像的评估更加客观，解决了人工评估的准确度差和速度慢的问题，能够提高图像质量评估的准确度和速度，可以适用于对大量图像进行评估。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本申请实施例提出的一种图像质量评估方法的流程图；
图2是本申请实施例提出的确定目标图像的图像清晰度维度数据方法的流程图；
图3是本申请实施例提出的确定目标图像的色彩丰富度维度数据方法的流程图；
图4是本申请实施例提出的确定目标图像的价值程度维度数据方法的流程图；
图5是本申请实施例提出的另一种图像质量评估方法的流程图；
图6是本申请实施例提出的确定人脸区域的人脸清晰度维度数据方法的流程图；
图7是本申请实施例提出的确定人脸区域的睁眼程度维度数据方法的流程图；
图8是本申请实施例提出的确定人脸区域的张嘴程度维度数据方法的流程图；
图9是本申请实施例提出的确定人脸区域的构图维度数据方法的流程图；
图10是本申请实施例提出的确定人脸区域的人脸方向维度数据方法的流程图；
图11是本申请实施例提出的图像质量评估装置的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中，评估图像或者视频帧质量通常采用人工评估的方式，人工评估标准难统一，造成图像质量评估准确度差，并且人工评估速度慢，不利于对大量图像或者视频帧进行评估。
有鉴于此，本申请发明人通过以下实施例，提供一种图像质量评估方法、装置、设备及存储介质，旨在提高图像质量评估准确度。
图1是本申请实施例提出的一种图像质量评估方法的流程图，如图1所示，该方法包括以下步骤：
在步骤S11中，确定目标图像的目标维度数据；所述目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个。
在本公开实施例中，目标图像是指任何需要进行质量评估的图像，例如，目标图像可以是任何一张单独的图片，也可以是从视频中提取的视频帧。
一张目标图像具有一个或多个维度，针对每个维度对目标图像进行分析，确定目标图像的目标维度数据，目标维度数据反映了目标图像在一个或多个维度下的特征。其中，目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个。
图像清晰度维度数据用于表示目标图像的模糊程度；价值程度维度数据用于表示目标图像有意义的程度，通常情况下，如果目标图像过于简单，能够很轻易地通过编码来预测，那么目标图像无意义的概率比较大，例如拍摄的白墙、地板等属于无意义的目标图像，如果目标图像过于复杂，其无意义的概率也比较大，例如拍摄的草丛、草地等也属于无意义的目标图像。
在步骤S12中，根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估。
在本公开实施例中，根据目标图像的目标维度数据，确定目标图像的质量评分，该质量评分用于对目标图像的质量进行评估。
当目标维度数据越大时，对应的目标图像的质量评分越高；当目标维度数据越小时，对应的目标图像的质量评分越低。
当目标维度数据仅包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的任意一个时，目标图像的质量评分等于该目标维度数据；当目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的多个时，对目标维度数据中的每个维度数据预先设置有相应的权重，每个维度数据的权重用于表示对应维度在确定目标图像的质量评分中的重要程度；首先，对目标维度数据中的多个维度数据进行归一化处理，然后，根据每个维度数据的权重，对归一化处理后的多个维度数据进行加权求和，可得到目标图像的质量评分。
例如，目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据，归一化处理后的图像清晰度维度数据为M1，归一化处理后的色彩丰富度维度数据为M2，归一化处理后的价值程度维度数据为M3，图像清晰度维度数据对应的权重为第一权重w1，色彩丰富度维度数据对应的权重为第二权重w2，价值程度维度数据对应的权重为第三权重w3，则目标图像的质量评分S＝w1×M1+w2×M2+w3×M3。
在本公开实施例中，综合考虑一个或多个维度下的目标维度数据，确定目标图像的质量评分，以对目标图像的质量进行评估，对目标图像的评估更加客观，解决了人工评估的准确度差和速度慢的问题，能够提高图像质量评估的准确度和速度，可以适用于对大量图像进行评估。
结合以上实施例，在本申请另一实施例中，提供了一种从图像清晰度维度对目标图像进行分析，确定目标图像的图像清晰度维度数据的方法。
图2是本申请实施例提出的确定目标图像的图像清晰度维度数据方法的流程图，如图2所示，步骤S11具体可以包括以下子步骤：
在子步骤S1101中，对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果。
在本公开实施例中，目标图像包括多个像素点，对目标图像中的每个像素点采用边缘检测算子进行边缘检测，得到目标图像中的每个像素点的边缘检测结果。
需要说明的是，可以采用任意一种适当的方式来对目标图像进行边缘检测，包括但不仅限于通过拉普拉斯算子对目标图像进行边缘检测，如还可采用索贝尔算子对目标图像进行边缘检测。
在子步骤S1102中，计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值。
在本公开实施例中，在得到目标图像中的每个像素点的边缘检测结果之后，计算目标图像中的所有像素点的边缘检测结果对应的方差，得到目标图像的第一清晰度分值。
需要说明的是，在计算目标图像中的所有像素点的边缘检测结果对应的方差之后，还可按照预定规则将方差结果转换为分数，从而得到目标图像的第一清晰度分值，例如，对方差结果取对数。
在子步骤S1103中，对所述目标图像进行模糊处理，得到模糊图像。
在本公开实施例中，可对目标图像进行模糊处理，得到模糊图像。
需要说明的是，可以采用任意一种适当的方式来对目标图像进行模糊处理，包括但不仅限于通过高斯模糊对目标图像进行模糊处理，如还可采用中值模糊对目标图像进行模糊处理。
在子步骤S1104中，计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值。
在本公开实施例中，在得到模糊图像之后，分别获取目标图像中的每个像素点的YUV颜色空间分量，以及模糊图像中的每个像素点的YUV颜色空间分量，将目标图像中的每个像素点的YUV颜色空间分量减去模糊图像中的对应像素点的YUV颜色空间分量，得到目标图像中的每个像素点与模糊图像中对应像素点的YUV差值。
在子步骤S1105中，根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值。
在本公开实施例中，根据每个像素点的YUV差值，确定目标图像的第二清晰度分值。
具体的，计算所有像素点的YUV差值对应的均值，得到目标图像的第二清晰度分值。其中，先计算所有像素点的Y分量的差值对应的第一均值，然后计算所有像素点的U分量的差值对应的第二均值，接着计算所有像素点的V分量的差值对应的第三均值，最后，计算第一均值、第二均值和第三均值的平均值，得到目标图像的第二清晰度分值。
需要说明的是，在根据每个像素点的YUV差值，确定目标图像的第二清晰度分值时，不局限于仅计算所有像素点的YUV差值对应的均值作为第二清晰度分值。
当第二清晰度分值越大时，表示目标图像与模糊图像的差异越大，则说明目标图像越清晰；当第二清晰度分值越小时，表示目标图像与模糊图像的差异越小，则说明目标图像越模糊。
在子步骤S1106中，根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
在本公开实施例中，根据计算得到的第一清晰度分值和/或第二清晰度分值，确定目标图像的图像清晰度维度数据。
可仅根据子步骤S1101和子步骤S1102确定的第一清晰度分值，确定目标图像的图像清晰度维度数据，此时，第一清晰度分值等于图像清晰度维度数据；也可以仅根据子步骤S1103至子步骤S1105确定的第二清晰度分值，确定目标图像的图像清晰度维度数据，此时，第二清晰度分值等于图像清晰度维度数据；还可以同时根据第一清晰度分值和第二清晰度分值，确定目标图像的图像清晰度维度数据，如对第一清晰度分值和第二清晰度分值进行加权求和，得到图像清晰度维度数据。
结合以上实施例，在本申请另一实施例中，提供了一种从色彩丰富度维度对目标图像进行分析，确定目标图像的色彩丰富度维度数据的方法。
图3是本申请实施例提出的确定目标图像的色彩丰富度维度数据方法的流程图，如图3所示，步骤S11具体可以包括以下子步骤：
在子步骤S1107中，计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值。
在本公开实施例中，获取目标图像中的每个像素点的YUV颜色空间分量，YUV颜色空间分量包括Y分量、U分量和V分量，从中选取至少两个分量，分别计算所有像素点的每个分量对应的方差和均值，从而得到目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值。
例如，选择YUV颜色空间分量中的U分量和V分量，分别计算所有像素点的U分量和V分量对应的方差和均值，所有像素点的U分量对应的方差为Uvar，所有像素点的U分量对应的均值为Umean，所有像素点的V分量对应的方差为Vvar，所有像素点的V分量对应的均值为Vmean。
在子步骤S1108中，根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
在本公开实施例中，根据YUV颜色空间分量中的至少两个分量各自的方差和均值，确定目标图像的色彩丰富度维度数据。
具体的，先计算至少两个分量的方差之和的平方根，得到第一色彩数据，然后，计算至少两个分量的均值的平方和的平方根，得到第二色彩数据，对第一色彩数据和第二色彩数据进行加权求和，即将第一色彩数据与第四权重的乘积，加上第二色彩数据与第五权重的乘积，得到目标图像的色彩丰富度维度数据。
例如，选择YUV颜色空间分量中的U分量和V分量，所有像素点的U分量对应的方差为Uvar，所有像素点的U分量对应的均值为Umean，所有像素点的V分量对应的方差为Vvar，所有像素点的V分量对应的均值为Vmean，则可以通过以下公式计算目标图像的色彩丰富度维度数据S2：
其中，w4为第四权重，w5为第五权重。
结合以上实施例，在本申请另一实施例中，提供了一种从价值程度维度对目标图像进行分析，确定目标图像的价值程度维度数据的方法。
图4是本申请实施例提出的确定目标图像的价值程度维度数据方法的流程图，如图4所示，步骤S11具体可以包括以下子步骤：
在子步骤S1109中，计算所述目标图像的帧内失真度量值的方差和均值。
在本公开实施例中，将目标图像划分成多个区域块，首先，通过每个区域块周围像素点的YUV值，预测该区域块内每个像素点的YUV值，例如，通过每个区域块左侧和上侧的多个像素点的YUV值，预测该区域块内每个像素点的YUV值；然后，将该区域块内每个像素点预测的YUV值与实际的YUV值之间的差值，确定为该像素点的帧内失真值；最后，根据该区域块内每个像素点的帧内失真值，确定该区域块的帧内失真度量值，例如，计算该区域块内所有像素点的帧内失真值对应的均值，得到该区域块的帧内失真度量值。
在得到目标图像中每个区域块的帧内失真度量值之后，分别计算目标图像中所有区域块的帧内失真度量值对应的方差和均值。
在子步骤S1110中，根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量。
在本公开实施例中，在计算得到目标图像的帧内失真度量值的方差和均值之后，可通过执行子步骤S1107和子步骤S1108得到目标图像的色彩丰富度维度数据，根据帧内失真度量值的方差、帧内失真度量值的均值和色彩丰富度维度数据，生成一个三维的特征向量。
在子步骤S1111中，将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
在本公开实施例中，预先训练有价值程度预测模型，价值程度预测模型是根据样本图像的样本特征向量以及用户标定样本图像的实际价值结果训练得到的。
具体的，先获取多个样本图像，计算样本图像的帧内失真度量值的方差、样本图像的帧内失真度量值的均值和样本图像的色彩丰富度维度数据，根据三者生成样本特征向量，将样本特征向量输入到初始价值模型中，输出得到一个价值程度结果，将价值程度结果与用户标定的实际价值结果进行比较，根据比较结果修正初始价值模型中的参数，通过多个样本图像的训练，使得最终得到的价值程度预测模型的准确率达到预设标准后，才结束训练过程。
在生成特征向量之后，将特征向量输入到预设的价值程度预测模型中，得到目标图像的价值程度维度数据。
在实际应用过程中，目标图像中可能存在人脸图像，此时，在对目标图像进行评估时，需要考虑人脸图像对目标图像的质量评分的影响。
图5是本申请实施例提出的另一种图像质量评估方法的流程图，如图5所示，该方法包括以下步骤：
在步骤S51中，确定目标图像的目标维度数据；所述目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个。
此步骤与上述步骤S11原理类似，在此不再赘述。
在步骤S52中，确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个。
在本公开实施例中，需要先检测目标图像中是否包含人脸图像，当不包含人脸图像时，执行上述步骤S11和步骤S12的步骤，当包含人脸图像时，还需要对人脸图像所在的人脸区域进行分析，确定人脸图像所在的人脸区域的人脸维度数据。其中，人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个。
需要说明是的是，可以采用任意一种适当的方式来检测目标图像是否包含人脸图像，包括但不仅限于通过人脸特征点检测人脸图像；人脸图像所在的人脸区域可以是人脸检测的框形区域，也可以是根据人脸特征点框出的人脸轮廓区域，还可以是两眼及下巴(或嘴)形成的人脸内部区域。
在步骤S53中，根据所述目标维度数据，确定所述目标图像的第一质量分数。
在本公开实施例中，在确定目标图像的目标维度数据之后，根据目标维度数据，确定目标图像的第一质量分数。
当目标维度数据仅包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的任意一个时，目标图像的第一质量分数等于该目标维度数据；当目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的多个时，对目标维度数据中的多个维度数据进行归一化处理，然后，根据每个维度数据的权重，对归一化处理后的多个维度数据进行加权求和，可得到目标图像的第一质量分数。
在步骤S54中，根据所述人脸维度数据，确定所述目标图像的第二质量分数。
在本公开实施例中，在确定了人脸图像所在的人脸区域的人脸维度数据之后，根据人脸维度数据，确定目标图像的第二质量分数。
当人脸维度数据仅包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的任意一个时，目标图像的第二质量分数等于该人脸维度数据；当人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的多个时，对人脸维度数据中的多个维度数据进行归一化处理，然后，根据人脸维度数据中的每个维度数据的权重，对归一化处理后的多个维度数据进行加权求和，可得到目标图像的第二质量分数。
在步骤S55中，根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
在本公开实施例中，在得到目标图像的第一质量分数和第二质量分数之后，对第一质量分数和第二质量分数进行加权求和，得到目标图像的质量评分。
当然，若目标图像中不包含人脸图像时，目标图像的质量评分就等于第一质量分数。
在本公开实施例中，由于部分目标图像包含人脸图像，而人脸图像对于目标图像的质量评估具有重要意义，在对目标图像进行质量评估时，不仅考虑一个或多个维度下的目标维度数据，确定目标图像的第一质量分数，还考虑一个或多个维度下的人脸维度数据，确定目标图像的第二质量分数，最后，根据第一质量分数和第二质量分数，确定目标图像的质量评分，以对目标图像的质量进行评估，综合考虑了多个维度的数据，因此，对目标图像的评估更加客观和准确，能够提高对包含人脸图像的目标图像评估的质量。
结合以上实施例，在本申请另一实施例中，提供了一种从人脸清晰度维度对目标图像中的人脸区域进行分析，确定人脸区域的人脸清晰度维度数据的方法。
图6是本申请实施例提出的确定人脸区域的人脸清晰度维度数据方法的流程图，如图6所示，步骤S52具体可以包括以下子步骤：
在子步骤S5201中，对所述人脸区域进行边缘检测，得到人脸区域中的每个像素点的边缘检测结果。
在子步骤S5202中，计算所述人脸区域中的每个像素点的边缘检测结果的方差，得到所述人脸区域的第三清晰度分值。
在子步骤S5203中，对所述人脸区域进行模糊处理，得到模糊区域。
在子步骤S5204中，计算所述人脸区域中的每个像素点与所述模糊区域中对应像素点的YUV差值。
在子步骤S5205中，根据所述人脸区域中的每个像素点的YUV差值，确定所述人脸区域的第四清晰度分值。
在子步骤S5206中，根据所述第三清晰度分值和/或第四清晰度分值，确定所述人脸区域的人脸清晰度维度数据。
需要说明的是，上述子步骤S5201至子步骤S5206的具体执行方法可操参照子步骤S1101至子步骤S1106，也就是说，确定图像清晰度维度数据和人脸清晰度维度数据的具体执行方法类似，其不同之处在于针对的对象不同，图像清晰度维度数据针对的对象是整个目标图像，人脸清晰度维度数据针对的是目标图像中的人脸区域。
结合以上实施例，在本申请另一实施例中，提供了一种从睁眼程度维度对目标图像中的人脸区域进行分析，确定人脸区域的睁眼程度维度数据的方法。
图7是本申请实施例提出的确定人脸区域的睁眼程度维度数据方法的流程图，如图7所示，步骤S52具体可以包括以下子步骤：
在子步骤S5207中，计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值。
在本公开实施例中，分别测量人脸区域中左眼的上下眼睑之间的第一距离，以及左眼的内外眼角之间的第二距离，第一距离和第二距离可以根据检测到的人脸特征点，依据距离计算公式进行计算，将第一距离与第二距离的比值，确定为左眼睁眼分值。
例如，测量得到的第一距离为d1，测量得到的第二距离为d2，则左眼睁眼分值R1＝d1/d2。
在子步骤S5208中，计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值。
在本公开实施例中，分别测量人脸区域中右眼的上下眼睑之间的第三距离，以及右眼的内外眼角之间的第四距离，第三距离和第四距离可以根据检测到的人脸特征点，依据距离计算公式进行计算，将第三距离与第四距离的比值，确定为右眼睁眼分值。
例如，测量得到的第三距离为d3，测量得到的第四距离为d42，则右眼睁眼分值R2＝d3/d4。
在子步骤S5209中，当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值。
在本公开实施例中，在计算得到左眼睁眼分值和右眼睁眼分值之后，先将左眼睁眼分值和右眼睁眼分值分别与第一阈值进行比较，当左眼睁眼分值和右眼睁眼分值均小于或等于第一阈值时，即可认为双眼都闭上，人脸图像中的双眼闭着会影响目标图像的质量，因此，需要将人脸区域的睁眼程度维度数据确定为小于零的分值。第一阈值可以根据经验值设定。
例如，第一阈值为F1，当左眼睁眼分值R1和右眼睁眼分值R2均小于或等于第一阈值F1时，确定人脸区域的睁眼程度维度数据为小于零的分值。
在子步骤S5210中，当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据。
在本公开实施例中，在计算得到左眼睁眼分值和右眼睁眼分值之后，先将左眼睁眼分值和右眼睁眼分值分别与第一阈值进行比较，当左眼睁眼分值和右眼睁眼分值中的至少一个睁眼分值大于第一阈值时，再计算左眼睁眼分值与右眼睁眼分值的差值的绝对值，当左眼睁眼分值与右眼睁眼分值的差值的绝对值小于或等于第二阈值时，即可认为左右眼都睁着，且双眼睁眼程度较为一致，此时，将左眼睁眼分值和右眼睁眼分值之和作为人脸区域的睁眼程度维度数据。第二阈值可以根据经验值设定。
例如，第一阈值为F1，第二阈值为F2，当左眼睁眼分值R1和右眼睁眼分值R2均大于第一阈值F1，且左眼睁眼分值R1和右眼睁眼分值R2的差值的绝对值小于或等于第二阈值F2，即R1＞F1，R2＞F1，且︱R1－R2︱≤F2，则左眼睁眼分值R1和右眼睁眼分值R2之和等于人脸区域的睁眼程度维度数据。
在子步骤S5211中，当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
在本公开实施例中，在计算得到左眼睁眼分值和右眼睁眼分值之后，先将左眼睁眼分值和右眼睁眼分值分别与第一阈值进行比较，当左眼睁眼分值和右眼睁眼分值中的至少一个睁眼分值大于第一阈值时，再计算左眼睁眼分值与右眼睁眼分值的差值的绝对值，当左眼睁眼分值与右眼睁眼分值的差值的绝对值大于第二阈值时，即可认为人脸图像中一只眼睛睁着，另一只眼睛闭着，此时，将左眼睁眼分值与右眼睁眼分值中的最大睁眼分值的两倍作为人脸区域的睁眼程度维度数据。
例如，第一阈值为F1，第二阈值为F2，当左眼睁眼分值R1大于第一阈值F1，右眼睁眼分值R2小于或等于第一阈值F1，且左眼睁眼分值R1和右眼睁眼分值R2的差值的绝对值大于第二阈值F2，左眼睁眼分值R1与右眼睁眼分值R2中的最大睁眼分值为左眼睁眼分值R1，则人脸区域的睁眼程度维度数据为2×R1。
结合以上实施例，在本申请另一实施例中，提供了一种从张嘴程度维度对目标图像中的人脸区域进行分析，确定人脸区域的张嘴程度维度数据的方法。
图8是本申请实施例提出的确定人脸区域的张嘴程度维度数据方法的流程图，如图8所示，步骤S52具体可以包括以下子步骤：
在子步骤S5212中，确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角。
在本公开实施例中，通过人脸特征点检测，识别人脸中的左嘴角、右嘴角和下嘴唇中点，假设左嘴角位置为A点、右嘴角位置为B点，下嘴唇中点位置为C点，连接A点、B点和C点，则得到左右嘴角与下嘴唇中点所形成的三角形，确定三角形中的第一夹角∠BAC和第二夹角∠ABC，第一夹角∠BAC为左嘴角所在区域的夹角，第二夹角∠ABC为右嘴角所在区域的夹角。
在子步骤S5213中，根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
在本公开实施例中，在得到第一夹角和第二夹角之后，按照预设规则得到人脸区域的张嘴程度维度数据。
可以将第一夹角和第二夹角的角度值的平均值，作为人脸区域的张嘴程度维度数据；或者，预先设定张嘴程度查询表，张嘴程度查询表中设置有多个夹角范围，每个夹角范围对应一个张嘴程度维度数据，在获取到第一夹角和第二夹角后，根据第一夹角和第二夹角的角度值的平均值所在的夹角范围，从张嘴程度查询表中查询相应的张嘴程度维度数据。
当第一夹角和第二夹角的角度值越大时，对应的张嘴程度维度数据越大；当第一夹角和第二夹角的角度值越小时，对应的张嘴程度维度数据越小。
结合以上实施例，在本申请另一实施例中，提供了一种构图维度对目标图像中的人脸区域进行分析，确定人脸区域的构图维度数据的方法。
图9是本申请实施例提出的确定人脸区域的构图维度数据方法的流程图，如图9所示，步骤S52具体可以包括以下子步骤：
在子步骤S5214中，确定所述人脸区域包括的人脸数量。
在本公开实施例中，通过人脸特征点检测确定人脸区域包括的人脸数量。
在子步骤S5215中，当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据。
在本公开实施例中，当人脸区域包括一张人脸时，确定该人脸的中心点，并计算人脸的中心点与构图重心之间的距离，根据人脸的中心点与构图重心之间的距离，确定人脸区域的构图维度数据。
其中，当目标图像为竖版图像时，构图重心可以是竖版图像的中心偏上的位置；当目标图像为横版图像时，构图重心可以是横版图像的左侧偏上的位置或右侧偏上的位置。
当人脸的中心点与构图重心之间的距离越近时，构图维度数据越大；当人脸的中心点与构图重心之间的距离越远时，构图维度数据越小。
例如，可以将人脸的中心点与构图重心之间的距离的倒数，确定为人脸区域的构图维度数据。
在子步骤S5216中，当所述人脸区域包括多张人脸时，根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
在本公开实施例中，当人脸区域包括多张人脸时，分别确定每张人脸的中心点，将各张人脸的中心点连接，形成一个多边形，确定该多边形的重心，然后，计算多边形的重心与构图重心之间的距离，根据多边形的重心与构图重心之间的距离，确定人脸区域的构图维度数据。
当多边形的重心与构图重心之间的距离越近时，构图维度数据越大；当多边形的重心与构图重心之间的距离越远时，构图维度数据越小。
例如，可以将多边形的重心与构图重心之间的距离的倒数，确定为人脸区域的构图维度数据。
结合以上实施例，在本申请另一实施例中，提供了一种从人脸方向维度对目标图像中的人脸区域进行分析，确定人脸区域的人脸方向维度数据的方法。
图10是本申请实施例提出的确定人脸区域的人脸方向维度数据方法的流程图，如图10所示，步骤S52具体可以包括以下子步骤：
在子步骤S5217中，确定所述人脸区域中的人脸方向。
在本公开实施例中，通过人脸特征点，确定人脸区域中的人脸方向，人脸方向可以为抬头、低头、头部左转、头部右转、向左歪头和向右歪头等。
在子步骤S5218中，根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
在本公开实施例中，计算人脸方向偏离基准方向的偏离角度，根据偏转角度确定人脸区域的人脸方向维度数据。基准方向指的是人脸完全朝向正前方的方向。
可预先设定人脸方向查询表，人脸方向查询表中设置有多个夹角范围，每个夹角范围对应一个人脸方向维度数据，在获取到人脸方向偏离基准方向的偏离角度之后，根据偏离角度所在的角度范围，从人脸方向查询表中查询相应的人脸方向维度数据。
其中，当偏离角度在一定角度范围内时，对应的人脸方向维度数据为大于零的分值，当偏离角度其他角度范围内时，对应的人脸方向维度数据为小于零的分值。
基于同一发明构思，本申请实施例提供一种图像质量评估装置。
图11是本申请实施例提出的图像质量评估装置的示意图，如图11所示，该装置110包括：
目标维度数据确定模块111，用于确定目标图像的目标维度数据；所述目标维度数据包括图像清晰度维度数据、色彩丰富度维度数据和价值程度维度数据中的一个或多个；
质量评分确定模块112，用于根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估。
可选地，所述目标维度数据包括图像清晰度维度数据；所述目标维度数据确定模块，包括：
边缘检测子模块，用于对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果；
第一清晰度分值确定子模块，用于计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值；
和/或，模糊处理子模块，用于对所述目标图像进行模糊处理，得到模糊图像；
YUV差值计算子模块，用于计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值；
第二清晰度分值确定子模块，用于根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值；
图像清晰度维度数据确定子模块，用于根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
可选地，所述目标维度数据包括色彩丰富度维度数据；所述目标维度数据确定模块，包括：
分量方差均值确定子模块，用于计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值；
色彩丰富度维度数据确定子模块，用于根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
可选地，所述目标维度数据包括价值程度维度数据；所述目标维度数据确定模块，包括：
度量值方差均值确定子模块，用于计算所述目标图像的帧内失真度量值的方差和均值；
特征向量生成子模块，用于根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量；
价值程度维度数据确定子模块，用于将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
可选地，当所述目标图像包含人脸图像时，所述图像质量评估装置还包括：
人脸维度数据确定模块，用于确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个；
所述质量评分确定模块，包括：
第一质量分数确定子模块，用于根据所述目标维度数据，确定所述目标图像的第一质量分数；
第二质量分数确定子模块，用于根据所述人脸维度数据，确定所述目标图像的第二质量分数；
质量评分确定子模块，用于根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
可选地，所述人脸维度数据包括睁眼程度维度数据；所述人脸维度数据确定模块，包括：
左眼睁眼分值确定子模块，用于计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值；
右眼睁眼分值确定子模块，用于计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值；
第一睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值；
第二睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据；
第三睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
可选地，所述人脸维度数据包括张嘴程度维度数据；所述人脸维度数据确定模块，包括：
夹角确定子模块，用于确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角；
张嘴程度维度数据确定子模块，用于根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
可选地，所述人脸维度数据包括构图维度数据；所述人脸维度数据确定模块，包括：
人脸数量确定子模块，用于确定所述人脸区域包括的人脸数量；
第一构图维度数据确定子模块，用于当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据；
第二构图维度数据确定子模块，用于当所述人脸区域包括多张人脸时，根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
可选地，所述人脸维度数据包括人脸方向维度数据；所述人脸维度数据确定模块，包括：
人脸方向确定子模块，用于确定所述人脸区域中的人脸方向；
人脸方向维度数据确定子模块，用于根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
在本公开实施例中，综合考虑一个或多个维度下的目标维度数据，确定目标图像的质量评分，以对目标图像的质量进行评估，对目标图像的评估更加客观，解决了人工评估的准确度差和速度慢的问题，能够提高图像质量评估的准确度和速度，可以适用于对大量图像进行评估。
基于同一发明构思，本申请另一实施例提供一种终端，包括：处理器、以及用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行以实现本申请上述任一实施例所述的图像质量评估方法所执行的操作。
基于同一发明构思，本申请另一实施例提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种以实现本申请上述任一实施例所述的图像质量评估方法所执行的操作。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种图像质量评估方法、装置、终端及可读存储介质，进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。
Claims (18)
1.一种图像质量评估方法，其特征在于，所述方法包括：
确定目标图像的目标维度数据；所述目标维度数据包括色彩丰富度维度数据和价值程度维度数据，或所述目标维度数据包括图像清晰度维度数据、所述色彩丰富度维度数据和所述价值程度维度数据；其中，所述价值程度维度数据用于表示所述目标图像有意义的程度；
根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估；
其中，所述确定目标图像的目标维度数据的步骤，包括：
将所述目标图像划分成多个区域块，得到所述目标图像中每个区域块的帧内失真度量值，计算所述目标图像中所有区域块的所述帧内失真度量值的方差和均值；
根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量；
将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
2.根据权利要求1所述的方法，其特征在于，所述目标维度数据包括图像清晰度维度数据；所述确定目标图像的目标维度数据的步骤，包括：
对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果；
计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值；
和/或，对所述目标图像进行模糊处理，得到模糊图像；
计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值；
根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值；
根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
3.根据权利要求1所述的方法，其特征在于，所述目标维度数据包括色彩丰富度维度数据；所述确定目标图像的目标维度数据的步骤，包括：
计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值；
根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
4.根据权利要求1所述的方法，其特征在于，当所述目标图像包含人脸图像时，在所述根据所述目标维度数据，确定所述目标图像的质量评分的步骤之前，还包括：确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个；
所述根据所述目标维度数据，确定所述目标图像的质量评分的步骤，包括：
根据所述目标维度数据，确定所述目标图像的第一质量分数；
根据所述人脸维度数据，确定所述目标图像的第二质量分数；根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
5.根据权利要求4所述的方法，其特征在于，所述人脸维度数据包括睁眼程度维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值；
计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值；
当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值；
当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据；
当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
6.根据权利要求4所述的方法，其特征在于，所述人脸维度数据包括张嘴程度维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角；
根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
7.根据权利要求4所述的方法，其特征在于，所述人脸维度数据包括构图维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
确定所述人脸区域包括的人脸数量；
当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据；
当所述人脸区域包括多张人脸时，根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
8.根据权利要求4所述的方法，其特征在于，所述人脸维度数据包括人脸方向维度数据；所述确定所述人脸图像所在的人脸区域的人脸维度数据的步骤，包括：
确定所述人脸区域中的人脸方向；
根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
9.一种图像质量评估装置，其特征在于，所述装置包括：
目标维度数据确定模块，用于确定目标图像的目标维度数据；所述目标维度数据包括色彩丰富度维度数据和价值程度维度数据，或所述目标维度数据包括图像清晰度维度数据、所述色彩丰富度维度数据和所述价值程度维度数据；其中，所述价值程度维度数据用于表示所述目标图像有意义的程度；
质量评分确定模块，用于根据所述目标维度数据，确定所述目标图像的质量评分；所述质量评分用于对所述目标图像的质量进行评估；
所述目标维度数据确定模块，包括：
度量值方差均值确定子模块，用于将所述目标图像划分成多个区域块，得到所述目标图像中每个区域块的帧内失真度量值，计算所述目标图像中所有区域块的所述帧内失真度量值的方差和均值；
特征向量生成子模块，用于根据所述帧内失真度量值的方差、所述帧内失真度量值的均值和所述色彩丰富度维度数据，生成特征向量；
价值程度维度数据确定子模块，用于将所述特征向量输入到预设的价值程度预测模型中，得到所述目标图像的价值程度维度数据。
10.根据权利要求9所述的装置，其特征在于，所述目标维度数据包括图像清晰度维度数据；所述目标维度数据确定模块，包括：
边缘检测子模块，用于对所述目标图像进行边缘检测，得到所述目标图像中的每个像素点的边缘检测结果；
第一清晰度分值确定子模块，用于计算所述目标图像中的每个像素点的边缘检测结果的方差，得到所述目标图像的第一清晰度分值；
和/或，模糊处理子模块，用于对所述目标图像进行模糊处理，得到模糊图像；
YUV差值计算子模块，用于计算所述目标图像中的每个像素点与所述模糊图像中对应像素点的YUV差值；
第二清晰度分值确定子模块，用于根据所述每个像素点的YUV差值，确定所述目标图像的第二清晰度分值；
图像清晰度维度数据确定子模块，用于根据所述第一清晰度分值和/或所述第二清晰度分值，确定所述目标图像的图像清晰度维度数据。
11.根据权利要求9所述的装置，其特征在于，所述目标维度数据包括色彩丰富度维度数据；所述目标维度数据确定模块，包括：
分量方差均值确定子模块，用于计算所述目标图像的YUV颜色空间分量中的至少两个分量各自的方差和均值；
色彩丰富度维度数据确定子模块，用于根据所述至少两个分量各自的方差和均值，确定所述目标图像的色彩丰富度维度数据。
12.根据权利要求9所述的装置，其特征在于，当所述目标图像包含人脸图像时，所述图像质量评估装置还包括：
人脸维度数据确定模块，用于确定所述人脸图像所在的人脸区域的人脸维度数据；所述人脸维度数据包括人脸清晰度维度数据、睁眼程度维度数据、张嘴程度维度数据、构图维度数据和人脸方向维度数据中的一个或多个；
所述质量评分确定模块，包括：
第一质量分数确定子模块，用于根据所述目标维度数据，确定所述目标图像的第一质量分数；
第二质量分数确定子模块，用于根据所述人脸维度数据，确定所述目标图像的第二质量分数；
质量评分确定子模块，用于根据所述第一质量分数和所述第二质量分数，确定所述目标图像的质量评分。
13.根据权利要求12所述的装置，其特征在于，所述人脸维度数据包括睁眼程度维度数据；所述人脸维度数据确定模块，包括：
左眼睁眼分值确定子模块，用于计算所述人脸区域中左眼的上下眼睑的第一距离，与所述左眼的内外眼角的第二距离之间的比值，得到左眼睁眼分值；
右眼睁眼分值确定子模块，用于计算所述人脸区域中右眼的上下眼睑的第三距离，与所述右眼的内外眼角的第四距离之间的比值，得到右眼睁眼分值；
第一睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值均小于或等于第一阈值时，确定所述人脸区域的睁眼程度维度数据为小于零的分值；
第二睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值小于或等于第二阈值时，将所述左眼睁眼分值和所述右眼睁眼分值之和作为所述人脸区域的睁眼程度维度数据；
第三睁眼程度维度数据确定子模块，用于当所述左眼睁眼分值与所述右眼睁眼分值中的至少一个睁眼分值大于所述第一阈值，且所述左眼睁眼分值与所述右眼睁眼分值的差值的绝对值大于所述第二阈值时，将所述左眼睁眼分值与所述右眼睁眼分值中的最大睁眼分值的两倍作为所述人脸区域的睁眼程度维度数据。
14.根据权利要求12所述的装置，其特征在于，所述人脸维度数据包括张嘴程度维度数据；所述人脸维度数据确定模块，包括：
夹角确定子模块，用于确定左右嘴角与下嘴唇中点所形成的三角形的第一夹角和第二夹角；所述第一夹角为左嘴角所在区域的夹角，所述第二夹角为右嘴角所在区域的夹角；
张嘴程度维度数据确定子模块，用于根据所述第一夹角和所述第二夹角，确定所述人脸区域的张嘴程度维度数据。
15.根据权利要求12所述的装置，其特征在于，所述人脸维度数据包括构图维度数据；所述人脸维度数据确定模块，包括：
人脸数量确定子模块，用于确定所述人脸区域包括的人脸数量；
第一构图维度数据确定子模块，用于当所述人脸区域包括一张人脸时，根据所述人脸的中心点与构图重心之间的距离，确定所述人脸区域的构图维度数据；
第二构图维度数据确定子模块，用于当所述人脸区域包括多张人脸时，
根据所述多张人脸的中心点所形成的多边形的重心与所述构图重心之间的距离，确定所述人脸区域的构图维度数据。
16.根据权利要求12所述的装置，其特征在于，所述人脸维度数据包括人脸方向维度数据；所述人脸维度数据确定模块，包括：
人脸方向确定子模块，用于确定所述人脸区域中的人脸方向；
人脸方向维度数据确定子模块，用于根据所述人脸方向偏离基准方向的偏离角度，确定所述人脸区域的人脸方向维度数据。
17.一种终端，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行以实现如权利要求1至8中任一项所述的图像质量评估方法所执行的操作。
18.一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种以实现如权利要求1至8中任一项所述的图像质量评估方法所执行的操作。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2019106313515 | 2019-07-12 | ||
| CN201910631351 | 2019-07-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111028198A CN111028198A (zh) | 2020-04-17 |
| CN111028198B true CN111028198B (zh) | 2024-02-23 |
Family
ID=70201172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911083970.1A Active CN111028198B (zh) | 2019-07-12 | 2019-11-07 | 图像质量评估方法、装置、终端及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111028198B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066068B (zh) * | 2021-03-31 | 2024-03-26 | 北京达佳互联信息技术有限公司 | 图像评估方法及装置 |
| CN113705650B (zh) * | 2021-08-20 | 2023-07-11 | 网易（杭州）网络有限公司 | 一种人脸图片集的处理方法、装置、介质和计算设备 |
| WO2024119322A1 (zh) * | 2022-12-05 | 2024-06-13 | 深圳华大生命科学研究院 | 灰度图像质量评估的方法及装置、电子设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
| KR20080031548A (ko) * | 2006-10-04 | 2008-04-10 | 광운대학교 산학협력단 | 실시간 화질 평가 방법 및 장치 |
| CN101262561A (zh) * | 2007-03-05 | 2008-09-10 | 富士胶片株式会社 | 成像设备及其控制方法 |
| CN102150189A (zh) * | 2008-09-12 | 2011-08-10 | 爱信精机株式会社 | 睁闭眼判定装置、睁眼度推定装置及程序 |
| CN105224921A (zh) * | 2015-09-17 | 2016-01-06 | 桂林远望智能通信科技有限公司 | 一种人脸图像择优***和处理方法 |
| CN108701353A (zh) * | 2018-04-13 | 2018-10-23 | 深圳市锐明技术股份有限公司 | 一种抑制图像伪彩的方法及装置 |
| CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
| CN109767449A (zh) * | 2018-12-03 | 2019-05-17 | 浙江工业大学 | 一种基于强边缘检测的图像清晰度评价方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014193631A1 (en) * | 2013-05-31 | 2014-12-04 | Intel Corporation | Adjustment of intra-frame encoding distortion metrics for video encoding |
-
2019
- 2019-11-07 CN CN201911083970.1A patent/CN111028198B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080031548A (ko) * | 2006-10-04 | 2008-04-10 | 광운대학교 산학협력단 | 실시간 화질 평가 방법 및 장치 |
| CN101262561A (zh) * | 2007-03-05 | 2008-09-10 | 富士胶片株式会社 | 成像设备及其控制方法 |
| CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
| CN102150189A (zh) * | 2008-09-12 | 2011-08-10 | 爱信精机株式会社 | 睁闭眼判定装置、睁眼度推定装置及程序 |
| CN105224921A (zh) * | 2015-09-17 | 2016-01-06 | 桂林远望智能通信科技有限公司 | 一种人脸图像择优***和处理方法 |
| CN108701353A (zh) * | 2018-04-13 | 2018-10-23 | 深圳市锐明技术股份有限公司 | 一种抑制图像伪彩的方法及装置 |
| CN108960087A (zh) * | 2018-06-20 | 2018-12-07 | 中国科学院重庆绿色智能技术研究院 | 一种基于多维度评估标准的人脸图像质量评估方法及*** |
| CN109767449A (zh) * | 2018-12-03 | 2019-05-17 | 浙江工业大学 | 一种基于强边缘检测的图像清晰度评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 图像质量客观评价方法的研究与实现;任雪;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2011 年 第S2期期);第33、40页 * |
| 基于CPLD芯片的视频图像码率控制方法研究;***等;《计算机测量与控制》;全文 * |
| 基于双树复数小波变换的图像清晰度判定;郭敬明等;《上海交通大学学报》;第42卷(第4期);第4页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111028198A (zh) | 2020-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111028198B (zh) | 图像质量评估方法、装置、终端及可读存储介质 | |
| CN110996169B (zh) | 剪辑视频的方法、装置、电子设备及计算机可读存储介质 | |
| US20190164257A1 (en) | Image processing method, apparatus and device | |
| US8525847B2 (en) | Enhancing images using known characteristics of image subjects | |
| EP2202687A2 (en) | Image quality evaluation device and method | |
| EP3944603A1 (en) | Video denoising method and apparatus, and computer-readable storage medium | |
| US20130002814A1 (en) | Method for automatically improving stereo images | |
| US8908989B2 (en) | Recursive conditional means image denoising | |
| US20160117832A1 (en) | Method and apparatus for separating foreground image, and computer-readable recording medium | |
| JP2013545200A (ja) | グローバル動きに基づく深度の推定 | |
| RU2718423C2 (ru) | Способ определения карты глубин для изображения и устройство для его осуществления | |
| US20180276796A1 (en) | Method and device for deblurring out-of-focus blurred images | |
| US20190102886A1 (en) | Method for foreground and background determination in an image | |
| JP2015162718A (ja) | 画像処理方法、画像処理装置及び電子機器 | |
| KR20140118031A (ko) | 영상 처리 장치 및 방법 | |
| US9813698B2 (en) | Image processing device, image processing method, and electronic apparatus | |
| CN110033461B (zh) | 一种基于目标位移量估计的手机防抖功能评估方法 | |
| CN109788275A (zh) | 自然性、结构和双目不对称无参考立体图像质量评价方法 | |
| CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110458790A (zh) | 一种图像检测方法、装置及计算机存储介质 | |
| CN114820334A (zh) | 图像修复方法、装置、终端设备和可读存储介质 | |
| CN111126300A (zh) | 一种人体图像检测方法、装置和电子设备及可读存储介质 | |
| CN108830146A (zh) | 一种基于滑动窗口的非压缩域镜头边界检测方法 | |
| CN116091405B (zh) | 图像处理方法及装置、计算机设备、存储介质 | |
| CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |