[发明专利]一种基于对抗生成网络的无参考图像质量评价方法

权利要求书

1.一种基于对抗生成网络的无参考图像质量评价方法，其特征在于具体实现步骤如下：

步骤1：预处理得到相似图；

1-1.计算亮度对比：

针对已经获取的失真图X和自然图像Y，用和分别代表两幅图的亮度信息：

其中，x_i,y_i分别为失真图X和自然图像Y的像素点值，那么失真图X和自然图Y的亮度对比就表示为：

其中C₁是为了防止分母为0而设置的极小数；

1-2.计算对比度对比：C(x,y)

用σ_x和σ_y代表两幅图对比度信息：

那么失真图X和自然图Y的对比度对比就可以表示为：

其中C₂是为了防止分母为0而设置的极小数；

1-3.计算结构性对比：S(x,y)

引入新公式：

那么失真图X和自然图Y的结构性对比就可以表示为：

其中C₃是为了防止分母为0而设置的极小数；

1-4.计算相似图

其中，a、b、c为亮度、对比度和结构性的权重；

失真图的质量分数MSSIM可以由相似图SSIM_MAP求得：

MSSIM＝mean(SSIM_MAP)

其中mean()为取平均值操作；

步骤2：将已有失真图X和相似图SSIM_MAP进行左右拼接，得到一张拼接图Z；

步骤3：设计神经网络框架

3-1.生成网络：

3-1-1.使用拼接图Z作为输入，大小为256×256，通道数为3；

3-1-2.通过一层卷积层，使大小为128×128，通道数变为64；

3-1-3.通过一层池化层，使大小为64×64，通道数变为64；

3-1-4.通过60层densenet网络框架提取特征，大小变为4×4，通道数为512；

3-1-5.通过5层反卷积层，使大小变为256×256，通道数为8.

3-1-6.通过一层卷积层，大小不变，通道数变为3；

3-2.判别网络：

3-2-1.把256×256的图片分为64个8×8的小块

3-2-2.每一个小块都通过一层卷积层，使大小为4×4，通道数变为64；

3-2-3.每一个小块都通过两层卷积层，使大小为1×1，通道数变为256；

3-2-4.每一个小块都通过一层卷积层，使大小为1×1，通道数变为512；

3-2-5.每一个小块都通过线性回归层，输出为预测标签；

3-2-5.整副图的预测标签由64个小块的平均值决定；

3-3.损失函数：

其中loss_GAN表示样本标签和判别器的输出之间的交叉熵；

代表生成器的预测图片和真实的相似图之间的L1距离：

M表示输入的相似图，G(x)表示生成器的输出。