一种基于深度激活池化的图像质量评估方法

摘要

本发明实施例公开了一种基于深度激活池化的图像质量评估方法，该方法包括：将训练图像输入至卷积神经网络，得到卷积激活图；利用第一预设卷积层中的卷积激活图，得到卷积激活求和图，并进而得到训练图像的高对比度图像区域；基于每个高对比度图像区域的特征向量，训练得到原始多元高斯模型；获取测试图像每个高对比度图像区域的特征向量对应的多元高斯模型；将两个高斯模型进行对比，得到测试图像的每个高对比度图像区域的图像质量得分，对其进行加权处理得到测试图像的图像质量得分。本发明能够将重要的特征信息和笔画结构信息结合在特征向量中，达到有效挖掘显著特征信息和笔画结构信息的目的，从而提高图像质量评估的准确率。