CN111709922B - 图像质量比较方法、装置、设备以及存储介质 - Google Patents
图像质量比较方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111709922B CN111709922B CN202010522988.3A CN202010522988A CN111709922B CN 111709922 B CN111709922 B CN 111709922B CN 202010522988 A CN202010522988 A CN 202010522988A CN 111709922 B CN111709922 B CN 111709922B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- compared
- determining
- random
- 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 49
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000015654 memory Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像质量比较方法、装置、设备以及存储介质,涉及计算机技术领域,尤其涉及人工智能领域、多媒体技术以及直播领域中的图像处理。具体实现方案为:根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;确定所述至少两个待比较图像中图像的随机显示位置;根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。本申请实施例的技术方案提高了比较结果的准确率和比较人员对待比较图像的查看效率,且比较结果符合人的感知。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及人工智能领域、多媒体技术以及直播领域中的图像处理。具体地,本申请实施例提供了一种图像质量比较方法、装置、设备以及存储介质。
背景技术
随着5G的商用以及手机硬件的不断更新换代,给移动互联网环境带来了新的革命。不同互联网大厂在不断重新审视用户的需求以及如何提供给用户更好的用户体验。而在这个信息***的时代,如何吸引更多用户,在产品维度上,最直观的是给用户更好的视觉以及交互体验。那么在视觉层面,图片质量首当其冲。当前主流手机的屏幕分辨率都达到了1080P,甚至更高,如何充分利用好手机硬件水平,提供给用户更好的图像服务成了痛点问题。由此也衍生出了很多新的学科,例如图片理解。通过模型对图像进行分析理解,以对图像质量进行优化。
基于上述优化方法,现有技术存在如下问题:第一,如何判断优化后的图像质量是好是坏;第二,如何判断本品中的图像与竞品中的图像的相比效果;第三,现有图像质量判断的算法更多是基于数据维度进行判断,判断结果与人的感知不一致。
发明内容
本公开提供了一种图像质量比较方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种图像质量比较方法,该方法包括:
根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;
确定所述至少两个待比较图像中图像的随机显示位置;
根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;
根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
根据本公开的另一方面,提供了一种图像质量比较装置,该装置包括:
匹配组确定模块,用于根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;
显示位置确定模块,用于确定所述至少两个待比较图像中图像的随机显示位置;
质量比较模块,用于根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;
结果确定模块,用于根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
根据本公开的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。
根据本公开的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
本申请实施例的技术方案提高了比较结果的准确率和比较人员对待比较图像的查看效率,且比较结果符合人的感知。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请第一实施例提供的一种图像质量比较方法的流程图;
图2是本申请第二实施例提供的一种图像质量比较方法的流程图;
图3是本申请第三实施例提供的一种图像质量比较方法的流程图;
图4是本申请第四实施例提供的一种图像质量比较方法的流程图;
图5是本申请第五实施例提供的一种图像质量比较方法的流程示意图;
图6是本申请第五实施例提供的一种比较请求页面的效果示意图;
图7是本申请第五实施例提供的另一种比较请求页面的效果示意图;
图8是本申请第五实施例提供的一种比较图像的显示效果示意图;
图9是本申请第五实施例提供的另一种比较图像的显示效果示意图;
图10是本申请第五实施例提供的一种数据报表的效果示意图;
图11是本申请第六实施例提供的一种图像质量比较装置的结构示意图;
图12是根据本申请实施例的图像质量比较方法的电子设备框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是本申请第一实施例提供的一种图像质量比较方法的流程图。本实施例可以适用于对至少两个种类的图像进行质量比较的情况。该方法可以由一种图像质量比较装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本申请实施例提供的图像质量比较方法包括:
S110、根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像。
其中,目标图像种类是指待比较图像的种类。
具体地,至少两个待比较的目标图像种类可以是竞品图像和本品图像,也可以是第一优化图像和第二优化图像,还可以是竞品图像、第一优化图像和第二优化图像等。
竞品图像是指竞争对手产品中的图像。
本品图像是本端产品中的图像。
第一优化图像是对本品图像进行第一优化算法处理得到的图像。
第二优化图像时对本品图像进行第二优化算法处理得到的图像。
图像匹配组是指待比较的图像组合。
待比较图像是指待进行质量比较的图像。
一个图像匹配组包括至少两个待比较图像,所述至少两个待比较图像为内容相同,种类不同的图像。
具体地,根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,包括:
对一图像进行至少两种目标图像种类关联运算逻辑的处理;
将处理得到的至少两个图像作为一个图像匹配组。
S120、确定所述至少两个待比较图像中图像的随机显示位置。
其中,随机显示位置是指非固定的显示位置。也即待比较图像中不同种类的图像的显示位置是随机变化的。
具体地,确定所述至少两个待比较图像中图像的随机显示位置,包括:
获取所述至少两个待比较图像的属性值;
根据获取的属性值对所述至少两个待比较图像进行排序;
根据排序结果确定待比较图像的显示位置。
S130、根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较。
基于该步骤,比较人员可以基于同一显示页面窗口,实现对至少两个待比较图像的查看。相比基于不同窗口对不同待比较图像的显示,本申请实施例可以提高比较人员的查看效率,同时使得该方法可以应用于移动终端,因为移动终端不支持对多个窗口的同时显示。
S140、根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
可选地,根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果,包括:
确定所述至少一个图像匹配组的质量比较结果的平均值或加权求和结果;
根据确定的平均值或加权求和结果,确定所述目标图像种类的比较结果。
本申请实施例的技术方案,通过对不同种类的待比较图像进行随机显示,从而避免比较人员获取待比较图像的图像种类,提高比较结果的准确率。因为在获取到图像种类的情况下,比较人员很容易将主观因素融入到图像质量比较的过程中,从而导致比较结果准确率低的问题。
此外,通过将所述至少两个待比较图像显示在同一显示页面,从而提高了比较人员对待比较图像的查看效率,同时也使得本申请实施例的技术方案适用于移动终端。
因为是人工比较,所以比较结果符合人的感知。
第二实施例
图2是本申请第二实施例提供的一种图像质量比较方法的流程图。本实施例是在上述实施例的基础上,对步骤“确定所述至少两个待比较图像中图像的随机显示位置”的具体优化。参见图2,本申请实施例提供的图像质量比较方法,包括:
S210、根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像。
S220、对所述至少两个待比较图像进行序号标注。
其中标注的序号可以是连续的,也可以是不连续的。
具体地,对所述至少两个待比较图像的标注结果可以是1、2和3,也可以是3、5和7,还可以是7、6和5等。
S230、将标注的序号输入随机逻辑,输出序号的随机排序结果。
其中,随机逻辑是指可以对输入序号进行随机排序的任意逻辑。
以标注的序号是1、2和3为例,将序号输入随机逻辑,输出序号的随机排序结果可以是2、3、1,也可以是3、2、1,还可以是1、2、3。
S240、根据输出的随机排序结果,确定所述随机显示位置。
具体地,所述根据输出的随机排序结果,确定所述随机显示位置,包括:
根据所述随机排序结果,确定所述待比较图像的排列序号;
匹配所述待比较图像的排列序号与显示区域的排列序号;
将匹配一致的显示区域作为所述待比较图像的随机显示位置。
其中,显示区域以及显示区域的排列序号可以根据实际需要预先确定。
S250、根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较。
S260、根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
本申请实施例的技术方案,通过基于随机逻辑实现对随机显示位置的确定,从而提高随机显示位置的随机性,进而增加比较人员获取目标图像种类的难度。
第三实施例
图3是本申请第三实施例提供的一种图像质量比较方法的流程图。本实施例是在上述实施例的基础上,对方案的进一步扩展。参见图3,本申请实施例提供的图像质量比较方法包括:
S310、根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像。
S320、确定所述至少两个待比较图像中图像的随机显示位置。
S330、获取待显示终端的显示分辨率。
其中,待显示终端是指显示待比较图像的终端。该终端可以是固定终端,也可以是移动终端,该终端的操作***可以是ios,也可以是安卓。
S340、根据所述显示分辨率,确定所述待比较图像的图像尺寸。
具体地,根据所述显示分辨率,确定所述待比较图像的图像尺寸,包括:
基于显示分辨率与图像尺寸的映射关系,根据待显示终端的显示分辨率索引所述待比较图像的图像尺寸。
S350、根据确定的图像尺寸,对所述待比较图像进行尺寸调整。
S360、根据确定的随机显示位置,将经过调整的待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较。
S370、根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
本申请实施例对上述步骤的执行顺序不做限定。可选的,S330至S350可以先于S310和S320执行。
本申请实施例的技术方案,通过根据待显示终端的图像分辨率,调整待比较图像的尺寸,以使得调整后的待比较图像满足待显示终端的显示要求。
第四实施例
图4是本申请第四实施例提供的一种图像质量比较方法的流程图。本实施例是在上述实施例的基础上,对步骤“根据至少两个待比较的目标图像种类,确定至少一个图像匹配组”的具体化。参见图4,本申请实施例提供的图像质量比较方法,包括:
S410、获取目标图像种类的关联图像集。
其中,目标图像种类的关联图像集是指属于该目标图像种类的图像的集合。
S420、匹配至少两个所述关联图像集中的图像。
也即对不同关联图像集中的图像进行比较。
示例性地,若至少两个所述关联图像集包括第一图像集和第二图像集,则匹配至少两个所述关联图像集中的图像,包括:
匹配第一图像集中的图像和第二图像集中的图像。
S430、根据匹配结果确定至少一个所述图像匹配组。
具体地,将匹配一致的至少一个图像作为一个图像匹配组。
S440、确定所述至少两个待比较图像中图像的随机显示位置。
S450、根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较。
S460、根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
本申请实施例的技术方案,通过匹配至少两个目标图像种类的关联图像集中的图像,从而实现对图像匹配组的确定。
为进一步提高比较结果的准确率,所述匹配至少两个所述关联图像集中的图像,包括:
基于至少两种相似度确定逻辑,确定至少两个所述关联图像集中图像的相似度,得到至少两种相似度计算结果;
根据所述至少两种相似度计算结果,确定所述匹配结果。
其中,至少两种相似度确定逻辑可以是任意两种不相同的相似度确定逻辑。
具体地,该至少两种相似度确定逻辑可以是DHash或PHash。
可选地,可以根据所述至少两种相似度计算结果的平均值或加权求和结果,确定所述匹配结果。
第五实施例
图5是本申请第五实施例提供的一种图像质量比较方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图5,本申请实施例提供的图像质量比较方法包括:离线建库阶段、比较场景选取阶段、样本抽取阶段、任务拆分阶段、在线比较阶段和结论生成阶段。
其中,离线建库阶段用于离线构建图片样本库。具体离线建库阶段包括:
根据待比较的本端产品确定关联竞品的用户标识;
根据关联竞品的用户标识获取竞品图像的存储地址;
根据竞品图像的存储地址和待比较的本端产品图像的存储地址,从物料库中获取竞品图像和本品图像;
对获取的竞品图像和本品图像进行相似度匹配;
将匹配一致的图像对关联存储至图片样本库。
比较场景选取阶段用于确定待比较的目标图像种类。具体比较场景选取阶段包括:
基于比较请求页面,获取用户的图像比较请求;
根据获取的图像比较请求,确定图像比较的应用场景;
根据确定的应用场景,确定待比较的目标图像种类。
具体地,若比较请求页面为图6所示页面,则根据图像比较请求中的产品线信息和线上API(Application Programming Interface,应用程序接口)信息等,确定图像比较的应用场景为竞品对比场景。
若比较请求页面为图7所示页面,则根据图像比较请求中的项目类型信息和评估文件信息等,确定图像比较的应用场景为图像算法选优场景。
可选地,确定的应用场景的数量可以是至少两个。例如,确定的应用场景可以是竞品对比场景和图像算法选优场景。
其中,图像比较的应用场景还可以包括根据需要构建的其他任意场景,本实施例对此,并不进行任何限制。
样本抽取阶段用于确定图像匹配组。具体地,若确定的应用场景是竞品对比场景和图像算法选优场景,则样本抽取阶段包括:
从图片样本库中提取本品图像,对本品图像分别进行第一优化算法处理和第二优化算法处理,得到第一优化图像和第二优化图像;
基于本品图像与竞品图像的关联关系,建立竞品图像、第一优化图像和第二优化图像之间的关联关系;
将具有关联关系的竞品图像、第一优化图像和第二优化图像作为一图像匹配组。
任务拆分阶段用于将确定的至少两个图像匹配组拆分为至少两个图像匹配集,以分配给不同人员进行作业,从而实现任务的拆分。
在线比较阶段用于根据待显示终端的图像分辨率对待比较图像进行图像尺寸调整,并将经过调整的图像匹配组,以组的形式,将该图像匹配组中的各图像随机显示在该图像匹配组关联的各显示区域,以使比较人员在不知道图像种类的情况下,完成对图像的比较。
具体对待比较图像的显示效果参见图8和图9。图9中以清晰度和饱和度两个维度进行图像质量的比较。当选择清晰度为1时,说明实验组图像的清晰度优于对照组图像一个等级。
结论生成阶段用于根据比较人员的比较结果,确定目标图像种类的比较结果,并生成比较结果的数据报表,供查询人员在个人计算机端进行比较结果的查询。
具体地,数据报表的效果参见图10。
本申请实施例的技术方案可以实现如下效果:
通过比较请求页面实现比较请求的触发,可以使输入更加灵活,也可以支持除图像优化算法的自身迭代场景以及竞品比对场景以外的更多场景。
在比较阶段因为比较人员无法获取待比较图像的所属种类,从而实现了比较人员对图像的盲评,提高比较结果的准确率。
通过设计比较页面,将待比较图像一起显示在页面中,从而提高比较人员对图像的查看效率,也使得该方法可以应用于移动终端,支持各种操作***,例如IOS或安卓。
基于用户维度进行任务拆分,可以为每个用户进行比较任务量的设定,实现了单任务多人比较,从而提升比较效率。
通过平台化,优化掉了在构建样本数据库、组织数据、生成报表环节的人力消耗,提高比较效率。
第六实施例
图11是本申请第六实施例提供的一种图像质量比较装置的结构示意图。参见图11,本申请实施例提供的图像质量比较装置1100包括:匹配组确定模块1101、显示位置确定模块1102、质量比较模块1103和结果确定模块1104。
其中,匹配组确定模块1101,用于根据至少两个待比较的目标图像种类,确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;
显示位置确定模块1102,用于确定所述至少两个待比较图像中图像的随机显示位置;
质量比较模块1103,用于根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;
结果确定模块1104,用于根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
本申请实施例的技术方案提高了比较结果的准确率和比较人员对待比较图像的查看效率。
进一步地,所述显示位置确定模块,包括:
序号标注单元,用于对所述至少两个待比较图像进行序号标注;
随机处理单元,用于将标注的序号输入随机逻辑,输出序号的随机排序结果;
位置确定单元,用于根据输出的随机排序结果,确定所述随机显示位置。
进一步地,所述位置确定单元具体用于:
根据所述随机排序结果,确定所述待比较图像的排列序号;
匹配所述待比较图像的排列序号与显示区域的排列序号;
将匹配一致的显示区域作为所述待比较图像的随机显示位置。
进一步地,所述装置还包括:
分辨率获取模块,用于所述根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面之前,获取待显示终端的显示分辨率;
尺寸确定模块,用于根据所述显示分辨率,确定所述待比较图像的图像尺寸;
尺寸调整模块,用于根据确定的图像尺寸,对所述待比较图像进行尺寸调整。
进一步地,所述匹配组确定模块,包括:
图像集获取单元,用于获取所述目标图像种类的关联图像集;
图像匹配单元,用于匹配至少两个所述关联图像集中的图像;
匹配组确定单元,用于根据匹配结果确定至少一个所述图像匹配组。
进一步地,所述图像匹配单元具体用于:
基于至少两种相似度确定逻辑,确定至少两个所述关联图像集中图像的相似度,得到至少两种相似度计算结果;
根据所述至少两种相似度计算结果,确定所述匹配结果。
第七实施例
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图12所示,是根据本申请实施例的图像质量比较方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图12所示,该电子设备包括:一个或多个处理器1201、存储器1202,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图12中以一个处理器1201为例。
存储器1202即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的图像质量比较方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的图像质量比较方法。
存储器1202作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像质量比较方法对应的程序指令/模块(例如,附图11所示的匹配组确定模块1101、显示位置确定模块1102、质量比较模块1103和结果确定模块1104)。处理器1201通过运行存储在存储器1202中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像质量比较方法。
存储器1202可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据图像质量比较电子设备的使用所创建的数据等。此外,存储器1202可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1202可选包括相对于处理器1201远程设置的存储器,这些远程存储器可以通过网络连接至图像质量比较电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像质量比较方法的电子设备还可以包括:输入装置1203和输出装置1204。处理器1201、存储器1202、输入装置1203和输出装置1204可以通过总线或者其他方式连接,图12中以通过总线连接为例。
输入装置1203可接收输入的数字或字符信息,以及产生与图像质量比较电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1204可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本申请实施例的技术方案提高了比较结果的准确率和比较人员对待比较图像的查看效率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种图像质量比较方法,包括:
获取目标图像种类的关联图像集;
匹配至少两个所述关联图像集中的图像;
根据匹配结果确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;
确定所述至少两个待比较图像中图像的随机显示位置;
根据确定的随机显示位置,将所述至少两个
待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;
根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
2.根据权利要求1所述的方法,其中,所述确定所述至少两个待比较图像中图像的随机显示位置,包括:
对所述至少两个待比较图像进行序号标注;
将标注的序号输入随机逻辑,输出序号的随机排序结果;
根据输出的随机排序结果,确定所述随机显示位置。
3.根据权利要求2所述的方法,其中,所述根据输出的随机排序结果,确定所述随机显示位置,包括:
根据所述随机排序结果,确定所述待比较图像的排列序号;
匹配所述待比较图像的排列序号与显示区域的排列序号;
将匹配一致的显示区域作为所述待比较图像的随机显示位置。
4.根据权利要求1-3中任一所述的方法,所述根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面之前,所述方法还包括:
获取待显示终端的显示分辨率;
根据所述显示分辨率,确定所述待比较图像的图像尺寸;
根据确定的图像尺寸,对所述待比较图像进行尺寸调整。
5.根据权利要求1所述的方法,其中,所述匹配至少两个所述关联图像集中的图像,包括:
基于至少两种相似度确定逻辑,确定至少两个所述关联图像集中图像的相似度,得到至少两种相似度计算结果;
根据所述至少两种相似度计算结果,确定所述匹配结果。
6.一种图像质量比较装置,包括:
图像集获取模块,用于获取目标图像种类的关联图像集;
图像匹配模块,用于匹配至少两个所述关联图像集中的图像;
匹配组确定模块,用于根据匹配结果确定至少一个图像匹配组,所述图像匹配组包括至少两个待比较图像;
显示位置确定模块,用于确定所述至少两个待比较图像中图像的随机显示位置;
质量比较模块,用于根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面,供比较人员对所述待比较图像进行质量比较;
结果确定模块,用于根据所述至少一个图像匹配组的质量比较结果,确定所述目标图像种类的比较结果。
7.根据权利要求6所述的装置,其中,所述显示位置确定模块,包括:
序号标注单元,用于对所述至少两个待比较图像进行序号标注;
随机处理单元,用于将标注的序号输入随机逻辑,输出序号的随机排序结果;
位置确定单元,用于根据输出的随机排序结果,确定所述随机显示位置。
8.根据权利要求7所述的装置,其中,所述位置确定单元具体用于:
根据所述随机排序结果,确定所述待比较图像的排列序号;
匹配所述待比较图像的排列序号与显示区域的排列序号;
将匹配一致的显示区域作为所述待比较图像的随机显示位置。
9.根据权利要求6-8中任一所述的装置,所述装置还包括:
分辨率获取模块,用于所述根据确定的随机显示位置,将所述至少两个待比较图像显示在同一显示页面之前,获取待显示终端的显示分辨率;
尺寸确定模块,用于根据所述显示分辨率,确定所述待比较图像的图像尺寸;
尺寸调整模块,用于根据确定的图像尺寸,对所述待比较图像进行尺寸调整。
10.根据权利要求9所述的装置,其中,所述图像匹配模块具体用于:
基于至少两种相似度确定逻辑,确定至少两个所述关联图像集中图像的相似度,得到至少两种相似度计算结果;
根据所述至少两种相似度计算结果,确定所述匹配结果。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522988.3A CN111709922B (zh) | 2020-06-10 | 2020-06-10 | 图像质量比较方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522988.3A CN111709922B (zh) | 2020-06-10 | 2020-06-10 | 图像质量比较方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111709922A CN111709922A (zh) | 2020-09-25 |
CN111709922B true CN111709922B (zh) | 2023-07-04 |
Family
ID=72539378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522988.3A Active CN111709922B (zh) | 2020-06-10 | 2020-06-10 | 图像质量比较方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709922B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534195A (zh) * | 2008-03-12 | 2009-09-16 | 株式会社理光 | 认证方法、认证装置、信息处理程序及记录介质 |
JP2011203835A (ja) * | 2010-03-24 | 2011-10-13 | Konami Digital Entertainment Co Ltd | 画像生成装置、画像加工方法、および、プログラム |
CN104379307A (zh) * | 2012-04-05 | 2015-02-25 | 里斯集团控股有限责任两合公司 | 用于操作工业机器人的方法 |
CN105975980A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 监控图像标注质量的方法和装置 |
CN107704806A (zh) * | 2017-09-01 | 2018-02-16 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络进行人脸图像质量预测的方法 |
CN108984734A (zh) * | 2018-07-13 | 2018-12-11 | 中国科学院长春光学精密机械与物理研究所 | 一种大样本容量图像质量主观评价方法及*** |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
CN109901773A (zh) * | 2017-12-07 | 2019-06-18 | 佛山市三水区彦海通信工程有限公司 | 一种移动终端触摸屏解锁方法 |
CN110175990A (zh) * | 2019-05-17 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 人脸图像质量判定方法、装置及计算机设备 |
CN110428368A (zh) * | 2019-07-31 | 2019-11-08 | 北京金山云网络技术有限公司 | 一种算法评价方法、装置、电子设备及可读存储介质 |
CN110473148A (zh) * | 2019-01-17 | 2019-11-19 | 张红梅 | 计算机质量判断*** |
CN110532415A (zh) * | 2019-08-30 | 2019-12-03 | 百度在线网络技术(北京)有限公司 | 图像搜索处理方法、装置、设备及存储介质 |
CN110941987A (zh) * | 2019-10-10 | 2020-03-31 | 北京百度网讯科技有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN111079740A (zh) * | 2019-12-02 | 2020-04-28 | 咪咕文化科技有限公司 | 图像的质量评价方法、电子设备和计算机可读存储介质 |
CN111259183A (zh) * | 2020-02-21 | 2020-06-09 | 北京百度网讯科技有限公司 | 图像识图方法、装置、电子设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5072757B2 (ja) * | 2008-07-24 | 2012-11-14 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2020
- 2020-06-10 CN CN202010522988.3A patent/CN111709922B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534195A (zh) * | 2008-03-12 | 2009-09-16 | 株式会社理光 | 认证方法、认证装置、信息处理程序及记录介质 |
JP2011203835A (ja) * | 2010-03-24 | 2011-10-13 | Konami Digital Entertainment Co Ltd | 画像生成装置、画像加工方法、および、プログラム |
CN104379307A (zh) * | 2012-04-05 | 2015-02-25 | 里斯集团控股有限责任两合公司 | 用于操作工业机器人的方法 |
CN105975980A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 监控图像标注质量的方法和装置 |
CN107704806A (zh) * | 2017-09-01 | 2018-02-16 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络进行人脸图像质量预测的方法 |
CN109901773A (zh) * | 2017-12-07 | 2019-06-18 | 佛山市三水区彦海通信工程有限公司 | 一种移动终端触摸屏解锁方法 |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN108984734A (zh) * | 2018-07-13 | 2018-12-11 | 中国科学院长春光学精密机械与物理研究所 | 一种大样本容量图像质量主观评价方法及*** |
CN109389591A (zh) * | 2018-09-30 | 2019-02-26 | 西安电子科技大学 | 基于彩色描述子的彩色图像质量评价方法 |
CN110473148A (zh) * | 2019-01-17 | 2019-11-19 | 张红梅 | 计算机质量判断*** |
CN110175990A (zh) * | 2019-05-17 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 人脸图像质量判定方法、装置及计算机设备 |
CN110428368A (zh) * | 2019-07-31 | 2019-11-08 | 北京金山云网络技术有限公司 | 一种算法评价方法、装置、电子设备及可读存储介质 |
CN110532415A (zh) * | 2019-08-30 | 2019-12-03 | 百度在线网络技术(北京)有限公司 | 图像搜索处理方法、装置、设备及存储介质 |
CN110941987A (zh) * | 2019-10-10 | 2020-03-31 | 北京百度网讯科技有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN111079740A (zh) * | 2019-12-02 | 2020-04-28 | 咪咕文化科技有限公司 | 图像的质量评价方法、电子设备和计算机可读存储介质 |
CN111259183A (zh) * | 2020-02-21 | 2020-06-09 | 北京百度网讯科技有限公司 | 图像识图方法、装置、电子设备和介质 |
Non-Patent Citations (3)
Title |
---|
Vlad Hosu 等.KonIQ-10k: An Ecologically Valid Database for Deep Learning of Blind Image Quality Assessment.《IEEE Transactions on Image Processing》.2020,4041-4056. * |
张磊.哈尔滨市图像综合应用平台的设计与实现.《中国博士论文全文数据库 信息科技辑》.2013,I138-214. * |
祝俊.随机扫描到光栅扫描转换设备的研制.《中国优秀硕士学位论文全文数据库 信息科技辑》.2005,I136-48. * |
Also Published As
Publication number | Publication date |
---|---|
CN111709922A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3916630A1 (en) | Method and apparatus for identifying video | |
JP6986187B2 (ja) | 人物識別方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN111524166B (zh) | 视频帧的处理方法和装置 | |
CN111259183B (zh) | 图像识图方法、装置、电子设备和介质 | |
US20210297743A1 (en) | Method, apparatus for content recommendation, electronic device and storage medium | |
CN112561332B (zh) | 模型管理方法、装置、电子设备、存储介质和程序产品 | |
CN111966856A (zh) | 图片数据处理方法、装置、电子设备和存储介质 | |
EP3901892A2 (en) | Commodity guiding method and apparatus, electronic device, storage medium, and computer program product | |
CN111738325B (zh) | 图像识别方法、装置、设备以及存储介质 | |
CN112100530B (zh) | 网页分类方法、装置、电子设备及存储介质 | |
CN111368184B (zh) | 智能语音设备的屏保投放方法、设备及存储介质 | |
CN111488972B (zh) | 数据迁移方法、装置、电子设备和存储介质 | |
CN113111216B (zh) | 广告推荐方法、装置、设备和存储介质 | |
CN110889392B (zh) | 人脸图像处理的方法及装置 | |
CN112561059A (zh) | 用于模型蒸馏的方法和装置 | |
CN111709922B (zh) | 图像质量比较方法、装置、设备以及存储介质 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN111767990A (zh) | 神经网络的处理方法和装置 | |
CN111352685B (zh) | 一种输入法键盘的展示方法、装置、设备及存储介质 | |
CN111510376B (zh) | 图像处理方法、装置及电子设备 | |
CN111340222B (zh) | 神经网络模型搜索方法、装置以及电子设备 | |
CN112000828B (zh) | 搜索表情图片的方法、装置、电子设备和可读存储介质 | |
CN112446728B (zh) | 广告召回方法、装置、设备及存储介质 | |
CN111651229A (zh) | 字体更换方法、装置及设备 | |
CN112783543A (zh) | 小程序分发物料的生成方法、装置、设备及介质 |
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 |