[发明专利]图像质量检测方法、装置、计算机设备和存储介质

权利要求书

1.一种图像质量检测方法，其特征在于，包括：

利用预设的神经网络模型，对待检测的目标图像进行主观质量分预测，以生成与所述目标图像对应的初始主观质量分；

对所述目标图像进行显著性检测，以确定所述目标图像对应的显著性值；

利用所述显著性值，对所述目标图像对应的初始主观质量分进行修正，确定所述目标图像的最终主观质量分。

2.如权利要求1所述的方法，其特征在于，所述对待检测的目标图像进行主观质量分预测之前，还包括：

将所述目标图像进行切分处理，以得到所述目标图像包含的多个图像块；

所述对待检测的目标图像进行主观质量分预测，包括：

对所述目标图像中的多个图像块分别进行主观质量分预测，以生成与所述多个图像块中的每个图像块对应的初始主观质量分。

3.如权利要求2所述的方法，其特征在于，所述确定所述目标图像对应的显著性值，包括：

确定所述目标图像中每个像素点对应的显著性值；

所述利用所述显著性均值，对所述目标图像对应的初始主观质量分进行修正，包括：

根据所述每个图像块包含的像素点及每个像素点对应的显著性值，确定所述每个图像块对应的显著性值；

利用所述每个图像块对应的显著性值，对所述每个图像块对应的初始主观质量分进行加权求和，以确定所述目标图像对应的最终主观质量分。

4.如权利要求2所述的方法，其特征在于，所述将所述目标图像进行切分处理，以得到所述目标图像包含的多个图像块之前，还包括：

根据所述目标图像的属性信息，确定所述目标图像对应的切分规则。

5.如权利要求1-4任一所述的方法，其特征在于，所述利用预设的神经网络模型，对待检测的目标图像进行主观质量分预测之前，还包括：

获取训练图像集，其中，所述训练图像集中包括多个图像及每个图像对应的标定主观质量分；

对所述训练图像集中每个图像进行显著性检测，以确定每个图像对应的显著性值；

利用初始神经网络模型，对每个图像进行主观质量分预测，以确定每个图像对应的预测主观质量算式，其中，所述预测主观质量算式中包括所述初始神经网络模型中的网络参数；

对与所述初始神经网络模型对应的损失函数进行求极值处理，确定所述初始神经网络模型中的网络参数的取值，以生成所述预设的神经网络模型；

其中，所述损失函数中包括所述每个图像对应的标定主观质量分、预测主观质量算式及显著性值。

6.一种图像质量检测装置，其特征在于，包括：

预测模块，用于利用预设的神经网络模型，对待检测的目标图像进行主观质量分预测，以生成与所述目标图像对应的初始主观质量分；

检测模块，用于对所述目标图像进行显著性检测，以确定所述目标图像对应的显著性值；

修正模块，用于利用所述显著性值，对所述目标图像对应的初始主观质量分进行修正，确定所述目标图像的最终主观质量分。

7.如权利要求6所述的装置，其特征在于，还包括：

切分模块，用于所述对待检测的目标图像进行主观质量分预测之前，将所述目标图像进行切分处理，以得到所述目标图像包含的多个图像块；

预测模块，还用于对所述目标图像中的多个图像块分别进行主观质量分预测，以生成与所述多个图像块中的每个图像块对应的初始主观质量分。

8.如权利要求7所述的装置，其特征在于，还包括：

检测模块，还用于确定所述目标图像中每个像素点对应的显著性值；

修正模块，还用于根据所述每个图像块包含的像素点及每个像素点对应的显著性值，确定所述每个图像块对应的显著性值；利用所述每个图像块对应的显著性值，对所述每个图像块对应的初始主观质量分进行加权求和，以确定所述目标图像对应的最终主观质量分。