[发明专利]一种基于机器学习的图片画质检测方法

权利要求书

1.一种基于机器学习的图片画质检测方法，其特征在于，所述方法包括如下步骤：

收集有问题图片的数据；

根据收集的图片数据进行分析处理和分类处理；

把分析处理和分类处理后的图片建立图片初步画质对比检测库；

提取初步画质库中每个图片的画质特征；

根据图片的画质特征建立画质特征库；

根据画质特征库和初步画质库对图片进行检测；

人工选择是否人工检测输出图片，当选择时，人工对检测后的图片数据进行分类处理，输出分来结果，当不选择时，直接输出检测结果。

2.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于，所述收集有问题图片的数据包括收集以往的出现画质曝光问题的图片和用户日常反馈回来的画质出现问题的图片。

3.根据权利要求2所述的一种基于机器学习的图片画质检测方法，其特征在于：所述收集有问题图片的数据时，在每个图片下方或者目录中自动或者手动使用文字说明图片的具体画质问题的内容。

4.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于：所述根据收集的图片数据进行分析处理和分类处理的具体过程为：检测特征颜色区域，通过颜色直方图和梯度直方图对图片特征进行描述与分析，然后根据颜色直方图和梯度直方图再对图片进行分类。

5.根据权利要求4所述的一种基于机器学习的图片画质检测方法，其特征在于：所述建立图片初步画质对比检测库的具体过程为，先根据画质颜色图和图片的文字说明进行分类，然后根据不同类型的图片进行建立图片功能模型，然后把建立好的图片功能模型进行存储；所述分类是根据文字的说明内容进行分成大类，大类里面有若干个小类，小类与小类之间形成关联类。

6.根据权利要求5所述的一种基于机器学习的图片画质检测方法，其特征在于：所述图片功能模型在后期另外收集到画质问题图像后，画质问题图像自动添加到图片功能库，自动训练学习，增加图片功能库性能。

7.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于，所述提取初步画质库中每个图片的画质特征提取过程为，对每个图片进行画质特征提取，把提取的画质特征与图片的画质说明文字内容对比，当不完全部相符时，对该图片进行二次画质特征提取。

8.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于：所述建立画质特征库的过程为：先对画质特征进行分类处理，然后根据分类情况建立画质特征模型，然后把画质特征模型进行存储，在后期出现新提取的画质特征时，新的画质特征自动添加到画质特征模型，提高画质特征模型数据准确性。

9.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于，所述根据画质特征库和初步画质库对图片进行检测的过程为：

把图片进行初步分析处理和分类处理，把处理后的图片与图片初步画质对比检测库进行检测，当检测图片出现问题，进行输出，当没有问题时，对图片进行画质提取，再与画质特征建立画质特征库进行对比，然后输出对比结构数据。

10.根据权利要求1所述的一种基于机器学习的图片画质检测方法，其特征在于，所述人工检测输出图片时，人工检测的结果数据与原检测的结果不同时，人工选择把结果不同的图片作为问题图片的数据进行再次训练。