[发明专利]水下图像视觉质量评价方法

摘要

本发明属于图像处理、计算机视觉技术领域，为在全面准确地衡量水下图像的视觉质量，提出实现无需参考图像、避免参数调整、省去手工设计特征，并且具有更好的准确性和鲁棒性的水下图像视觉质量评价方法。本发明采用的技术方案是，水下图像视觉质量评价方法，步骤如下1)建立深度神经网络VGG16 Net结构2)训练阶段3)测试阶段测试阶段，将待预测的水下图像送入VGG16 Net深度神经网络提取4096维特征，再将提取的特征送入已经训练好的随机森林回归模型进行预测，最终输出水下图像的视觉质量分数。本发明主要应用于图像处理场合。

主权项

一种水下图像视觉质量评价方法，其特征是，步骤如下：1)建立深度神经网络VGG16Net结构VGG16Net网络结构总共包含5个堆栈式的卷积神经网络ConvNet，每个ConvNet又由多个卷积层Conv组成，Conv层之后紧跟着非线性映射层ReLU,每个ConvNet后为池化层Pooling,最后为3个全连接层和1个最大化层soft‑max，其中每个全连接层具有4096个通道，soft‑max层具有1000个通道。该网络引入较小的卷积核，增加了ReLU层，卷积层和全连接层的输入都直接连接ReLU层，同时在全连接层全连接第6层fc6和全连接第7层fc7使用正则化方法Dropout；2)训练阶段收集一个总共包含400幅图像并且拥有多种退化类型的水下图像数据集，邀请20位观察者，以色彩、对比度、清晰度、噪声、亮度为判断依据，凭借人类的视觉感知能力为该数据集400幅图像的质量依次打分；具体打分方式如下：20位观察者分别对该数据集中的400幅图像打分，分数从0.1到1分以0.1为步长分为10个等级，分数越高代表该幅图像越符合人类视觉感知，具有越好的视觉质量，针对每一幅图像，去掉最高和最低分数，剩下18位观察者给出分数的平均值记作有效分数；为省去手工设计特征和测量分量，采用深度神经网络VGG16Net提取的高维特征来表征水下图像的视觉质量，为提高VGG16Net的兼容性，使用海量数据集Image Net初始化该深度网络的参数，将最后的最大化层soft‑max transform去掉，以倒数第2个全连接层4096个通道的输出作为特征，接下来，将收集到的水下图像数据集中的300幅图像分别送入VGG16Net进行特征提取。输入的图像经过网络中的卷积、池化以及非线性映射处理，逐步从具体的图像转变为具有更强表征能力的抽象特征，图像独特的部分由此凸显；接下来，将VGG16Net提取每幅图像的4096维特征和对应的符合人类视觉感知的质量分数送入随机森林回归模型进行训练，从而获得根据VGG16Net网络提取的图像特征判断其视觉质量的预测模型；3)测试阶段测试阶段，将待预测的水下图像送入VGG16Net深度神经网络提取4096维特征，再将提取的特征送入已经训练好的随机森林回归模型进行预测，最终输出水下图像的视觉质量分数。