一种图像质量评估方法、装置和计算机设备与流程

本申请涉及图像评估，特别是涉及一种图像质量评估方法、装置和计算机设备。

背景技术：

1、随着电子技术的发展，图像评估技术在医疗领域的应用逐渐受到重视。例如，在内窥镜场景中，由于内窥镜所拍摄到的图像本身有可能包含伪影，如高光、大量气泡黏液等，同时也由于人工拍摄的问题，会导致一些图像存在大范围的光斑或者阴影。另外，相机的移动可能会带来运动模糊。这些伪影会严重影响内窥镜的图像质量，内窥镜的图像质量不仅会影响医生对病人病情的判断，还会影响人工智能辅助诊断。因此，不论是医学判断还是科学研究，都需要高质量的内镜图像。基于此，需要对内窥镜所拍摄到的图像进行质量评估。

2、现有的图像质量评估的方法，主要是对内窥镜图像进行分割，对分割后的各个块进行hsv(hue,saturation,value)颜色空间的均值计算，将各个块的hsv颜色空间的均值计算结果与正常图像hsv阈值范围进行比较，得出劣质区域占比，从而从整体上评判内窥镜图像的质量。但是，上述图像质量评估的方法，主要是直接从图像层面进行图像质量评估，存在图像质量的评估结果不准确的问题。

3、针对现有的图像质量评估的方法，直接从图像层面进行图像质量评估，存在图像质量的评估结果不准确的问题，目前还没有提出有效的解决方案。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种图像质量评估方法、装置和计算机设备。

2、第一方面，本申请提供了一种图像质量评估方法。所述方法包括以下步骤：

3、获取待评估的原始图像；

4、分别对所述原始图像进行颜色特征提取和纹理特征提取，得到所述原始图像的颜色特征和纹理特征；

5、分别对所述原始图像的颜色特征和纹理特征进行算术编码，得到所述原始图像的算术编码后的颜色特征和算术编码后的纹理特征；

6、基于所述算术编码后的颜色特征和所述算术编码后的纹理特征，确定所述原始图像的融合特征；

7、对所述原始图像的融合特征进行质量评估，确定所述原始图像的质量评估结果。

8、在其中一个实施例中，所述分别对所述原始图像进行颜色特征提取和纹理特征提取，得到所述原始图像的颜色特征和纹理特征，包括以下步骤：

9、利用预设的颜色特征提取模型，对所述原始图像进行颜色特征提取，得到所述原始图像的颜色特征；

10、利用预设的纹理特征提取模型，对所述原始图像进行纹理特征提取，得到所述原始图像的纹理特征。

11、在其中一个实施例中，所述分别对所述原始图像的颜色特征和纹理特征进行算术编码，得到所述原始图像的算术编码后的颜色特征和算术编码后的纹理特征，包括以下步骤：

12、分别对所述原始图像的颜色特征和纹理特征进行量化，得到所述原始图像的量化后的颜色特征和量化后的纹理特征；

13、分别对所述原始图像的所述量化后的颜色特征和所述量化后的纹理特征进行算术编码，得到所述原始图像的所述算术编码后的颜色特征和所述算术编码后的纹理特征。

14、在其中一个实施例中，所述分别对所述原始图像的颜色特征和纹理特征进行量化，得到所述原始图像的量化后的颜色特征和量化后的纹理特征，包括以下步骤：

15、利用预设的量化模型，分别对所述原始图像的所述颜色特征和所述纹理特征进行量化，得到所述原始图像的所述量化后的颜色特征和所述量化后的纹理特征。

16、在其中一个实施例中，所述分别对所述原始图像的所述量化后的颜色特征和所述量化后的纹理特征进行算术编码，得到所述原始图像的所述算术编码后的颜色特征和所述算术编码后的纹理特征，包括以下步骤：

17、利用预设的算术编码模型，分别对所述原始图像的所述量化后的颜色特征和所述量化后的纹理特征进行算术编码，得到所述原始图像的所述算术编码后的颜色特征和所述算术编码后的纹理特征。

18、在其中一个实施例中，所述基于所述算术编码后的颜色特征和所述算术编码后的纹理特征，确定所述原始图像的融合特征，包括以下步骤：

19、将所述算术编码后的颜色特征所对应的矩阵和所述算术编码后的纹理特征所对应的矩阵进行叉乘，得到所述原始图像的所述融合特征所对应的矩阵。

20、在其中一个实施例中，所述对所述原始图像的融合特征进行质量评估，确定所述原始图像的质量评估结果，包括以下步骤：

21、对所述原始图像的融合特征进行算术编码，得到算术编码后的融合特征；

22、利用预设的评估模型，对所述算术编码后的融合特征进行质量评估，得到所述原始图像的质量评估结果。

23、在其中一个实施例中，所述对所述原始图像的融合特征进行算术编码，得到算术编码后的融合特征，包括以下步骤：

24、对所述原始图像的融合特征进行编码，得到编码后的融合特征；

25、对所述编码后的融合特征进行量化，得到量化后的融合特征；

26、对所述量化后的融合特征进行算术编码，得到所述算术编码后的融合特征。

27、第二方面，本申请还提供了一种图像质量评估装置。所述装置包括：

28、图像获取模块，用于获取待评估的原始图像；

29、特征提取模块，用于分别对所述原始图像进行颜色特征提取和纹理特征提取，得到所述原始图像的颜色特征和纹理特征；

30、编码模块，用于分别对所述原始图像的颜色特征和纹理特征进行算术编码，得到所述原始图像的算术编码后的颜色特征和算术编码后的纹理特征；

31、融合特征确定模块，用于基于所述算术编码后的颜色特征和所述算术编码后的纹理特征，确定所述原始图像的融合特征；

32、以及评估模块，用于对所述原始图像的融合特征进行质量评估，确定所述原始图像的质量评估结果。

33、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的图像质量评估方法。

34、上述图像质量评估方法、装置和计算机设备，通过获取待评估的原始图像，得到原始图像的颜色特征和纹理特征，并分别对原始图像的颜色特征和纹理特征进行算术编码，得到原始图像的算术编码后的颜色特征和算术编码后的纹理特征，进而基于算术编码后的颜色特征和算术编码后的纹理特征，确定原始图像的融合特征，最后，对原始图像的融合特征进行质量评估，确定原始图像的质量评估结果。其通过从图像的颜色和纹理两个层面分析图像质量的情况，并利用算术编码，即利用信息熵对原始图像的颜色特征和纹理特征进行编码，去除特征中的冗余信息，使得利用融合后的特征对原始图像进行质量评估，评估结果更准确，解决了现有的图像质量评估的方法，直接从图像层面进行图像质量评估，存在图像质量的评估结果不准确的问题。

35、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

技术特征：

1.一种图像质量评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的图像质量评估方法，其特征在于，所述分别对所述原始图像进行颜色特征提取和纹理特征提取，得到所述原始图像的颜色特征和纹理特征，包括：

3.根据权利要求1所述的图像质量评估方法，其特征在于，所述分别对所述原始图像的颜色特征和纹理特征进行算术编码，得到所述原始图像的算术编码后的颜色特征和算术编码后的纹理特征，包括：

4.根据权利要求3所述的图像质量评估方法，其特征在于，所述分别对所述原始图像的颜色特征和纹理特征进行量化，得到所述原始图像的量化后的颜色特征和量化后的纹理特征，包括：

5.根据权利要求3所述的图像质量评估方法，其特征在于，所述分别对所述原始图像的所述量化后的颜色特征和所述量化后的纹理特征进行算术编码，得到所述原始图像的所述算术编码后的颜色特征和所述算术编码后的纹理特征，包括：

6.根据权利要求1所述的图像质量评估方法，其特征在于，所述基于所述算术编码后的颜色特征和所述算术编码后的纹理特征，确定所述原始图像的融合特征，包括：

7.根据权利要求1至6中任一项所述的图像质量评估方法，其特征在于，所述对所述原始图像的融合特征进行质量评估，确定所述原始图像的质量评估结果，包括：

8.根据权利要求7所述的图像质量评估方法，其特征在于，所述对所述原始图像的融合特征进行算术编码，得到算术编码后的融合特征，包括：

9.一种图像质量评估装置，其特征在于，所述装置包括：

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的图像质量评估方法的步骤。

技术总结
本申请涉及一种图像质量评估方法、装置和计算机设备。所述方法包括：获取待评估的原始图像；分别对原始图像进行颜色特征提取和纹理特征提取，得到原始图像的颜色特征和纹理特征；分别对原始图像的颜色特征和纹理特征进行算术编码，得到原始图像的算术编码后的颜色特征和算术编码后的纹理特征；基于算术编码后的颜色特征和算术编码后的纹理特征，确定原始图像的融合特征；对原始图像的融合特征进行质量评估，确定原始图像的质量评估结果。采用本方法能够解决现有的图像质量评估的方法，直接从图像层面进行图像质量评估，存在图像质量的评估结果不准确的问题。

技术研发人员：蒋科学,周奇明,余鸿浩
受保护的技术使用者：浙江华诺康科技有限公司
技术研发日：
技术公布日：2025/3/27