质量特征提取方法、装置、计算机设备和存储介质

本技术涉及人工智能术领域，特别是涉及一种质量特征提取方法、装置、计算机设备和存储介质。

背景技术：

1、随着人工智能技术的发展，人们通常使用神经网络模型对图像进行质量特征的提取。

2、现有技术中，通常使用神经网络模型对图像的质量特征进行提取，即，将失真图像输入至预先训练完成的神经网络模型中，该神经网络模型会对失真图像进行解析，从而确定出该失真图像的质量特征。

3、该方式虽然能够确定很粗失真图像的质量特征，但存在失真图像质量特征提取不准确的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高图像质量特征提取准确性的质量特征提取方法、装置、计算机设备和存储介质。

2、第一方面，本技术提供了一种质量特征提取方法，包括：

3、将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；

4、将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；

5、其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。

6、在其中一个实施例中，方法还包括：

7、对各样本原始图像分别进行失真处理，得到各样本原始图像对应的样本失真图像；

8、基于各样本失真图像，对初始保真特征提取模型进行训练，得到目标保真特征提取模型。

9、在其中一个实施例中，基于各样本失真图像，对初始保真特征提取模型进行训练，得到目标保真特征提取模型，包括：

10、对各样本失真图像分别进行增强处理，得到各样本失真图像对应的样本增强图像；

11、基于样本失真图像和样本增强图像，对初始保真特征提取模型进行迭代训练，得到保真特征提取模型。

12、在其中一个实施例中，基于样本失真图像和样本增强图像，对初始保真特征提取模型进行迭代训练，得到保真特征提取模型，包括：

13、对于一次迭代过程，将样本失真图像和样本增强图像输入至中间保真特征提取模型，得到样本失真图像对应的第一保真特征，以及样本增强图像对应的第二保真特征。

14、将第一保真特征和第二保真特征输入至多层感知机，得到失真图像对应的第一保真向量，第二保真向量；

15、根据第一保真向量、第二保真向量和预设温度参数，确定迭代过程对应的损失值；

16、根据损失值，对中间保真特征提取模型进行模型参数调整。

17、在其中一个实施例中，方法还包括：

18、对于每个样本原始图像，根据样本原始图像中各像素点的像素值和样本原始图像对应的样本失真图像的像素点的像素值，确定样本原始图像和样本失真图像之间的相似测度；

19、基于样本失真图像和相似测度，对初始结构特征提取模型进行迭代训练，得到目标结构特征提取模型。

20、在其中一个实施例中，基于样本失真图像和相似测度，对初始结构特征提取模型进行迭代训练，得到目标结构特征提取模型，包括：

21、对于依次迭代过程，将样本失真图像输入至中间结构特征提取模型中，初始结构特征提取模型通过多头注意力机制处理输出样本失真图像对应的图像结构特征；

22、通过多层感知机，对图像结构特征进行投影处理，得到初始结构特征对应的图像结构向量；

23、基于图像结构向量和相似测度，对中间特征提取模型进行模型参数调整。

24、第二方面，本技术还提供了一种质量特征提取装置，包括：

25、特征提取模块，用于将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；

26、特征拼接模块，用于将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。

27、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

28、将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；

29、将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；

30、其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。

31、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

32、将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；

33、将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；

34、其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。

35、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

36、将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；

37、将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；

38、其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。

39、上述质量特征提取方法、装置、计算机设备和存储介质，将目标图像输入至目标保真特征提取模型中，得到目标图像的目标保真特征，并将目标图像输入至目标结构特征提取模型中，得到目标图像的目标结构特征；将目标保真特征和目标结构特征进行拼接处理，得到目标图像的质量特征；其中，目标保真特征提取模型是基于多个样本失真图像训练得到的，目标结构特征提取模型是基于多个样本失真图像和各样本失真图像对应的相似测度训练得到的。本方法通过基于多个样本失真图像进行训练得到的目标保真特征提取模型，提取目标保真特征提取；通过基于多个样本失真图像和各样本失真图像对应的相似测度训练进行自监督学习得到的目标结构特征提取模型，提取目标结构特征提取，并将提取到的目标保真特征和目标结构特征拼接确定得到质量特征，使得提取到的目标保真特征和目标结构特征更加准确，进一步使得目标图像的质量特征更加准确，从而使得后续基于质量特征对目标图像进行质量评估时更加精准。