本申請屬于人工智能，具體涉及一種圖像質量檢測方法、設備及存儲介質。

背景技術：

1、在自動駕駛場景下，圖像的質量影響感知和決策過程，因此如何準確識別圖像的質量問題就顯得尤為重要。

2、傳統(tǒng)的圖像質量診斷通過人工定義的評價指標(如信噪比，白平衡，色差和畸變等)綜合評估圖像的質量，這種方式過于依賴人工定義的評價指標，存在很強的主觀性，并且通常人工定義的這些評價指標也不適用于自動駕駛這一應用場景。

技術實現(xiàn)思路

1、本申請?zhí)岢鲆环N圖像質量檢測方法、設備及存儲介質，能夠緩解相關技術中感受野與目標對象尺寸不匹配導致檢測準確性不高的技術問題。

2、本申請第一方面實施例提出了一種圖像質量檢測方法，所述方法應用于圖像異常檢測網(wǎng)絡，所述圖像異常檢測網(wǎng)絡包括特征提取網(wǎng)絡、全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡，所述全局異常檢測網(wǎng)絡和所述局部異常檢測網(wǎng)絡分別與所述特征提取網(wǎng)絡連接；所述方法包括：

3、通過所述特征提取網(wǎng)絡提取待檢測圖像的圖像特征；

4、采用所述全局異常檢測網(wǎng)絡識別所述圖像特征，獲得表征所述待檢測圖像全局模糊的模糊程度的參數(shù)；以及，采用局部異常檢測網(wǎng)絡，并基于所述圖像特征，獲得表征所述待檢測圖像中局部質量異常區(qū)域的區(qū)域參數(shù)，按照所述區(qū)域參數(shù)，在所述待檢測圖像上標記所述局部質量異常區(qū)域。

5、在一些實施例中，所述特征提取網(wǎng)絡包括語義信息提取模塊和紋理信息提取模塊，所述圖像特征包括采用所述語義信息提取模塊提取的語義信息特征和采用所述紋理信息提取模塊提取的紋理信息特征；所述局部異常檢測網(wǎng)絡包括融合模塊和特征識別模塊；

6、采用局部異常檢測網(wǎng)絡，并基于所述圖像特征，獲得表征所述待檢測圖像中局部質量異常區(qū)域的區(qū)域參數(shù)，包括：

7、通過所述融合模塊對所述語義信息特征和所述紋理信息特征進行融合，獲得融合特征；

8、采用所述特征識別模塊對所述融合特征進行識別，獲得所述區(qū)域參數(shù)。

9、在一些實施例中，所述特征識別模塊包括并聯(lián)連接的第一網(wǎng)絡、第二網(wǎng)絡和第三網(wǎng)絡；采用所述特征識別模塊對所述融合特征進行識別，獲得所述區(qū)域參數(shù)，包括：

10、采用所述第一網(wǎng)絡對所述融合特征進行識別，得到表征所述局部質量異常區(qū)域在所述待檢測圖像中的位置的位置參數(shù)；采用所述第二網(wǎng)絡對所述融合特征進行識別，得到表征所述局部質量異常區(qū)域的異常類型的類型參數(shù)；以及，采用所述第三網(wǎng)絡對所述融合特征進行識別，得到表征所述局部質量異常區(qū)域的大小的大小參數(shù)；

11、確定所述位置參數(shù)、所述類型參數(shù)和所述大小參數(shù)為所述區(qū)域參數(shù)。

12、在一些實施例中，所述第一網(wǎng)絡、所述第二網(wǎng)絡和所述第三網(wǎng)絡均包括多個串聯(lián)連接的卷積層。

13、在一些實施例中，所述特征提取網(wǎng)絡包括卷積層和與所述卷積層連接的多個殘差卷積層，所述多個殘差卷積層串聯(lián)連接；所述語義信息提取模塊包括首個殘差卷積層，所述紋理信息提取模塊包括最后一個殘差卷積層，所述首個殘差卷積層在所述多個殘差卷積層中第一個與所述卷積層連接，所述最后一個殘差卷積層在所述多個殘差卷積層中最后一個與所述卷積層連接。

14、在一些實施例中，所述融合模塊包括預設的數(shù)據(jù)連接函數(shù)；

15、通過所述融合模塊對所述語義信息特征和所述紋理信息特征進行融合，獲得融合特征，包括：

16、調用所述數(shù)據(jù)連接函數(shù)，拼接所述語義信息特征和所述紋理信息特征，得到所述融合特征。

17、在一些實施例中，所述全局異常檢測網(wǎng)絡包括池化層、全連接層和激活函數(shù)層；

18、所述池化層分別與所述特征提取網(wǎng)絡和所述全連接層連接；

19、所述全連接層還與所述激活函數(shù)層連接。

20、本申請第二方面實施例提出了一種圖像質量檢測裝置，應用于圖像異常檢測網(wǎng)絡，所述圖像異常檢測網(wǎng)絡包括特征提取網(wǎng)絡、全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡，所述全局異常檢測網(wǎng)絡和所述局部異常檢測網(wǎng)絡分別與所述特征提取網(wǎng)絡連接；所述裝置包括：

21、提取模塊，用于通過所述特征提取網(wǎng)絡提取待檢測圖像的圖像特征；

22、處理模塊，用于采用所述全局異常檢測網(wǎng)絡識別所述圖像特征，獲得表征所述待檢測圖像全局模糊的模糊程度的參數(shù)；以及，采用局部異常檢測網(wǎng)絡，并基于所述圖像特征，獲得表征所述待檢測圖像中局部質量異常區(qū)域的區(qū)域參數(shù)，按照所述區(qū)域參數(shù)，在所述待檢測圖像上標記所述局部質量異常區(qū)域。

23、本申請第三方面實施例提出了一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器運行所述計算機程序以實現(xiàn)第一方面所述的方法。

24、本申請第四方面實施例提出了一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執(zhí)行實現(xiàn)如第一方面所述的方法。

25、本申請實施例中提供的技術方案，至少具有如下技術效果或優(yōu)點：

26、在本申請實施例中，通過特征提取網(wǎng)絡提取待檢測圖像的圖像特征，采用全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡分別對圖像特征進行識別，從而獲得表征待檢測圖像全局模糊的模糊程度的參數(shù)和待檢測圖像的局部質量異常區(qū)。相對于傳統(tǒng)的圖像質量診斷依賴于人工評價指標的選取，本申請采用利用深度神經(jīng)網(wǎng)絡直接評價圖像的質量，避免了人工特征的主觀性，提高了質量檢測的準確度。

27、本申請附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變的明顯，或通過本申請的實踐了解到。

技術特征：

1.一種圖像質量檢測方法，其特征在于，所述方法應用于圖像異常檢測網(wǎng)絡，所述圖像異常檢測網(wǎng)絡包括特征提取網(wǎng)絡、全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡，所述全局異常檢測網(wǎng)絡和所述局部異常檢測網(wǎng)絡分別與所述特征提取網(wǎng)絡連接；所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述特征提取網(wǎng)絡包括語義信息提取模塊和紋理信息提取模塊，所述圖像特征包括采用所述語義信息提取模塊提取的語義信息特征和采用所述紋理信息提取模塊提取的紋理信息特征；所述局部異常檢測網(wǎng)絡包括融合模塊和特征識別模塊；

3.根據(jù)權利要求2所述的方法，其特征在于，所述特征識別模塊包括并聯(lián)連接的第一網(wǎng)絡、第二網(wǎng)絡和第三網(wǎng)絡；采用所述特征識別模塊對所述融合特征進行識別，獲得所述區(qū)域參數(shù)，包括：

4.根據(jù)權利要求3所述的方法，其特征在于，所述第一網(wǎng)絡、所述第二網(wǎng)絡和所述第三網(wǎng)絡均包括多個串聯(lián)連接的卷積層。

5.根據(jù)權利要求2-4任一項所述的方法，其特征在于，所述特征提取網(wǎng)絡包括卷積層和與所述卷積層連接的多個殘差卷積層，所述多個殘差卷積層串聯(lián)連接；所述語義信息提取模塊包括首個殘差卷積層，所述紋理信息提取模塊包括最后一個殘差卷積層，所述首個殘差卷積層在所述多個殘差卷積層中第一個與所述卷積層連接，所述最后一個殘差卷積層在所述多個殘差卷積層中最后一個與所述卷積層連接。

6.根據(jù)權利要求2-4任一項所述的方法，其特征在于，所述融合模塊包括預設的數(shù)據(jù)連接函數(shù)；

7.根據(jù)權利要求1所述的方法，其特征在于，所述全局異常檢測網(wǎng)絡包括池化層、全連接層和激活函數(shù)層；

8.一種圖像質量檢測裝置，其特征在于，應用于圖像異常檢測網(wǎng)絡，所述圖像異常檢測網(wǎng)絡包括特征提取網(wǎng)絡、全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡，所述全局異常檢測網(wǎng)絡和所述局部異常檢測網(wǎng)絡分別與所述特征提取網(wǎng)絡連接；所述裝置包括：

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器運行所述計算機程序以實現(xiàn)如權利要求1-7任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執(zhí)行實現(xiàn)如權利要求1-7中任一項所述的方法。

技術總結
本申請?zhí)岢鲆环N圖像質量檢測方法、設備及存儲介質，該方法通過特征提取網(wǎng)絡提取待檢測圖像的圖像特征，采用全局異常檢測網(wǎng)絡和局部異常檢測網(wǎng)絡分別對圖像特征進行識別，從而獲得表征待檢測圖像全局模糊的模糊程度的參數(shù)和待檢測圖像的局部質量異常區(qū)。相對于傳統(tǒng)的圖像質量診斷依賴于人工評價指標的選取，本申請采用利用深度神經(jīng)網(wǎng)絡直接評價圖像的質量，避免了人工特征的主觀性，提高了質量檢測的準確度。

技術研發(fā)人員：趙雅茹,朱焰
受保護的技術使用者：蘇州輕舟智航智能技術有限公司
技術研發(fā)日：
技術公布日：2025/5/15