[发明专利]图像评估方法、装置、电子设备及计算机可读介质

权利要求书

1.一种图像评估方法，其特征在于，包括：

对原始图像进行预处理，生成标准图像；

获取所述标准图像的梯度特征图与高斯拉普拉斯特征图；

获取所述梯度特征图与所述高斯拉普拉斯特征图的特征向量；以及

将所述特征向量输入图像评分模型中以获取所述原始图像的评分。

2.如权利要求1所述的方法，其特征在于，还包括：

通过训练图像对支持向量机模型进行训练，以获取所述图像评分模型。

3.如权利要求2所述的方法，其特征在于，通过训练图像对支持向量机模型进行训练，以获取所述图像评分模型包括：

确定训练图像的所述梯度特征图与所述高斯拉普拉斯特征图；

根据所述特征图确定所述训练图像的特征向量；

确定所述训练图像的评分；以及

根据所述训练图像的评分与所述训练图像的特征向量对支持向量机模型进行训练，以获取所述图像评分模型。

4.如权利要求3所述的方法，其特征在于，根据所述训练图像的评分与所述训练图像的特征向量对支持向量机模型进行训练，以获取所述图像评分模型包括：

将所述训练图像输入支持向量机模型中；

通过所述训练图像的评分对所述支持向量机模型中的参数进行调整；以及

所述支持向量机模型中的参数满足阈值时，生成所述图像评分模型。

5.如权利要求1所述的方法，其特征在于，对原始图像进行预处理，生成标准图像包括：

对所述原始图像进行调整分辨率处理；

对调整分辨率处理之后的原始图像进行标准化处理；

将标准化处理之后的原始图像进行色彩空间转换处理，生成所述标准图像。

6.如权利要求5所述的方法，其特征在于，将标准化处理之后的原始图像进行色彩空间转换处理包括：

将标准化处理之后的原始图像由RGB颜色空间转换到YcbCr颜色空间中。

7.如权利要求1所述的方法，其特征在于，获取所述标准图像的梯度特征图与高斯拉普拉斯特征图包括：

将所述标准图像进行梯度变换生成所述梯度特征图；以及

将所述标准图像进行高斯拉普拉斯生成所述高斯拉普拉斯特征图。

8.如权利要求1所述的方法，其特征在于，获取所述梯度特征图与所述高斯拉普拉斯特征图的特征向量包括：

通过灰度设置分别确定所述梯度特征图与所述高斯拉普拉斯特征图的灰度；

分别获取所述梯度特征图与所述高斯拉普拉斯特征图的特征映射图；以及

根据特征映射图确定所述梯度特征图与所述高斯拉普拉斯特征图的特征向量。

9.如权利要求1所述的方法，其特征在于，根据特征映射图确定所述梯度特征图与所述高斯拉普拉斯特征图的特征向量包括：

确定特征向量系数；以及

根据所述特征向量系数与特征映射图确定所述梯度特征图与所述高斯拉普拉斯特征图的特征向量。

10.一种图像评估装置，其特征在于，包括：

原始图像处理模块，用于对原始图像进行预处理，生成标准图像；

标准图像处理模块，用于获取所述标准图像的梯度特征图与高斯拉普拉斯特征图；

特征向量模块，用于获取所述梯度特征图与所述高斯拉普拉斯特征图的特征向量；以及

评分模块，用于将所述特征向量输入图像评分模型中以获取所述原始图像的质量评分。

11.如权利要求10所述的装置，其特征在于，还包括：

模型训练模块，用于通过训练图像对支持向量机模型进行训练，以获取所述图像评分模型。