本技術涉及圖像處理，尤其涉及一種基于半參考邊緣檢測的圖像質量評估方法、設備及介質。

背景技術：

1、隨著圖像處理技術的快速發展，圖像質量評估（iqa）在圖像處理、計算機視覺等領域中扮演著重要角色。圖像質量評估方法分為有參考和無參考兩類：有參考的質量評估方法通過對比原始圖像和待評估圖像來計算質量分數，而無參考圖像質量評估方法則只依賴待評估圖像本身的特征進行質量評定。

2、現有的無參考質量評估圖像質量評估方法仍然存在問題，第一，對失真類型的適應性差：許多無參考質量評估方法無法有效應對圖像中不同類型的失真（如壓縮、噪聲、模糊），評估結果不夠準確。第二，評估方法固定：現有的評估方法無法根據圖像特性動態選擇最合適的評估策略，導致在不同類型圖像上評估結果不穩定。第三，缺乏細節保留評估：現有技術容易忽視了圖像的細節部分，尤其是邊緣信息的損失，導致圖像質量評估的準確性受到影響。第四，人工輔助依賴：現有技術仍或多或少依賴于人工輔助，使得客觀評估方法與完全智能客觀評估存在距離。

技術實現思路

1、本技術實施例提供了一種基于半參考邊緣檢測的圖像質量評估方法、設備及介質，解決了圖像質量評估適應性差、準確性差以及評估方法單一的技術問題。

2、第一方面，本技術實施例提供了一種基于半參考邊緣檢測的圖像質量評估方法，其特征在于，方法包括：獲取待評估圖像，并對待評估圖像進行格式一致化預處理，以得到rgb特征圖像；對rgb特征圖像進行圖像邊緣特征提取，以得到待檢測邊緣特征數據；構建基于進化算法的級聯雙層注意力hed架構，并將待檢測邊緣特征數據輸入至基于進化算法的級聯雙層注意力hed架構，以得到多階段邊緣預測圖；對多階段邊緣預測圖進行交叉熵損失函數分析，以得到邊緣信息圖；對邊緣信息圖進行邊緣失真檢測，以得到邊緣細節損失評估數據；基于邊緣細節損失評估數據，通過失真圖像邊緣特征提取，確定失真圖像的邊緣特征向量；根據失真圖像的邊緣特征向量，通過圖像質量評估，得到圖像質量評估結果。

3、在本技術的一種實現方式中，對待評估圖像進行格式一致化預處理，以得到rgb特征圖像，具體包括：對待評估圖像進行噪聲去除處理，以得到去噪圖像數據；基于去噪圖像數據，通過去噪圖像增強，確定視覺強化圖像；其中，去噪圖像增強包括：直方圖均衡化、對比度增強；將視覺強化圖像進行rgb格式轉化，以得到rgb特征圖像。

4、在本技術的一種實現方式中，對rgb特征圖像進行圖像邊緣特征提取，以得到待檢測邊緣特征數據，具體包括：對rgb特征圖像進行顏色特征提取，已得到圖像顏色特征數據；其中，顏色特征提取包括：hsv顏色空間轉換、顏色直方圖計算；通過灰度共生矩陣和gabor濾波器，對rgb特征圖像進行紋理特征提取，以得到圖像紋理特征數據；基于圖像顏色特征數據和圖像紋理特征數據，得到待檢測邊緣特征數據。

5、在本技術的一種實現方式中，將待檢測邊緣特征數據輸入至基于進化算法的級聯雙層注意力hed架構，以得到多階段邊緣預測圖，具體包括：將待檢測邊緣特征數據輸入至基于進化算法的級聯雙層注意力hed架構中，以得到階段邊緣預測圖；對階段邊緣預測圖進行上采樣融合，以確定符合待評估圖像的融合預測圖；基于階段邊緣預測圖和融合預測圖，得到多階段邊緣預測圖。

6、在本技術的一種實現方式中，對多階段邊緣預測圖進行交叉熵損失函數分析，以得到邊緣信息圖，具體包括：基于多階段邊緣預測圖，構建交叉熵損失函數；其中，交叉熵損失函數的計算公式為：

7、

8、

9、其中，和w為待評估圖像的高和寬，y為真實邊緣圖，為第個階段的邊緣檢測圖，為融合預測圖；其中，和w為待評估圖像的高和寬，y為真實邊緣圖，為第個階段的邊緣檢測圖，為融合預測圖，表示真實邊緣圖在位置(h,w)處的像素值，和表示第i個階段的預測圖和融合預測圖在位置(h,w)處的像素值；根據交叉熵損失函數，對多階段邊緣預測圖對應的損失加權求和，確定多階段邊緣預測圖總損失函數；其中，多階段邊緣預測圖總損失函數的計算公式為：

10、

11、其中，為第個階段的階段預測圖損失權重系數，為第個階段的融合預測圖損失權重系數；將多階段邊緣預測圖輸入至多階段邊緣預測圖總損失函數，以得到邊緣信息圖。

12、在本技術的一種實現方式中，對邊緣信息圖進行邊緣失真檢測，以得到邊緣細節損失評估數據，具體包括：將邊緣信息圖轉化為邊緣信息數據，并對邊緣信息數據進行邊緣結構相似性分析，以得到邊緣結構相似度；其中，邊緣結構相似性分析的計算公式為：

13、

14、其中，為預測邊緣區域與真實邊緣區域的交集部分，表示表示預測的邊緣區域和真實邊緣區域的并集部分；對邊緣信息圖進行邊緣強度差異分析，以得到邊緣強度差異數據；其中，邊緣強度差異分析包括：圖像梯度幅值分析、誤差分析，圖像梯度幅值分析的計算公式為：

15、

16、

17、其中，為x方向梯度，為y方向梯度，為待評估圖像；對邊緣信息圖進行邊緣位置偏移量分析，以得到邊緣位置偏移數據；其中，邊緣位置偏移量分析的計算公式為：

18、

19、其中，為邊緣信息圖中的像素總數，為圖像中第個像素在真實邊緣圖，為圖像中第個像素在預測邊緣圖上的位置；根據邊緣結構相似度、邊緣強度差異數據和邊緣位置偏移數據，通過綜合閾值評分分析，得到邊緣細節損失評估數據。

20、在本技術的一種實現方式中，根據失真圖像的邊緣特征向量，通過圖像質量評估，得到圖像質量評估結果，具體包括：基于預設的自注意力機制的resnet卷積神經網絡，對邊緣特征向量進行高級特征提取，以得到邊緣高級特征；將高級邊緣特征作為resnet卷積神經網絡的評估學習本底數據，并通過均方誤差損失函數訓練至模型收斂，以得到圖像質量評估模型；將待評估圖像輸入至圖像質量評估模型，得到圖像質量評估結果。

21、在本技術的一種實現方式中，在根據失真圖像的邊緣特征向量，通過圖像質量評估，得到圖像質量評估結果之后，方法還包括：將質量評估結果轉化為圖像質量分數和圖像失真情況；將圖像質量分數和圖像失真情況輸出至預設的可視化系統中。

22、第二方面，本技術實施例還提供了一種基于半參考邊緣檢測的圖像質量評估設備，其特征在于，設備包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠：獲取待評估圖像，并對待評估圖像進行格式一致化預處理，以得到rgb特征圖像；對rgb特征圖像進行圖像邊緣特征提取，以得到待檢測邊緣特征數據；構建基于進化算法的級聯雙層注意力hed架構，并將待檢測邊緣特征數據輸入至基于進化算法的級聯雙層注意力hed架構，以得到多階段邊緣預測圖；對多階段邊緣預測圖進行交叉熵損失函數分析，以得到邊緣信息圖；對邊緣信息圖進行邊緣失真檢測，以得到邊緣細節損失評估數據；基于邊緣細節損失評估數據，通過失真圖像邊緣特征提取，確定失真圖像的邊緣特征向量；根據失真圖像的邊緣特征向量，通過圖像質量評估，得到圖像質量評估結果。

23、第三方面，本技術實施例還提供了一種基于半參考邊緣檢測的圖像質量評估的非易失性計算機存儲介質，存儲有計算機可執行指令，其特征在于，計算機可執行指令設置為：獲取待評估圖像，并對待評估圖像進行格式一致化預處理，以得到rgb特征圖像；對rgb特征圖像進行圖像邊緣特征提取，以得到待檢測邊緣特征數據；構建基于進化算法的級聯雙層注意力hed架構，并將待檢測邊緣特征數據輸入至基于進化算法的級聯雙層注意力hed架構，以得到多階段邊緣預測圖；對多階段邊緣預測圖進行交叉熵損失函數分析，以得到邊緣信息圖；對邊緣信息圖進行邊緣失真檢測，以得到邊緣細節損失評估數據；基于邊緣細節損失評估數據，通過失真圖像邊緣特征提取，確定失真圖像的邊緣特征向量；根據失真圖像的邊緣特征向量，通過圖像質量評估，得到圖像質量評估結果。

24、本技術實施例提供了一種基于半參考邊緣檢測的圖像質量評估方法、設備及介質，通過圖像特征提取、深度邊緣檢測、邊緣失真檢測以及失真圖像邊緣特征提取，結合深度學習與注意力機制技術，解決了圖像質量評估適應性差、準確性差以及評估方法單一的技術問題，實現了在不同場景下進行靈活的圖像質量評估。