一种下采样算法的评估方法、装置、介质及设备与流程

本发明涉及计算机，并且更具体地，涉及一种下采样算法的评估方法、装置、介质及设备。

背景技术：

1、psnr是一种评价图像质量的客观标准。通过计算两幅图像均方误差相对于信号最大值平方的对数值，来表征两幅图像的整体相似度。psnr越大，则说明两幅图像的整体相似度越高；ssim是一种衡量两幅图像结构相似性的客观标准。根据图像的组成定义物体结构属性，并将亮度、对比度、结构三个因素组合起来作为结构相似度指数，从而表征两幅图像的结构相似度。ssim越大，则说明两幅图像的结构相似度越高。该技术方案的中间参量是大量样本训练的结果，因此样本集训练内容对测试结论的准确度有一定的影响。但是目前现有技术中没有给出下采样算法的采用效率的评估方法，因此无法通过采样效果不确定的采样方法对图像质量进行评估。

技术实现思路

1、针对现有技术的不足，本发明提供一种下采样算法的评估方法、装置、介质及设备。

2、根据本发明的一个方面，提供了一种下采样算法的评估方法，包括：

3、分别采集多个场景的高分辨率图像和低分辨率图像，构成样本集；

4、利用待评估下采样算法分别将多个场景的高分辨图像进行下采样，输出下采样图像，其中每个场景的下采样图像与低分辨图像的分辨率一致；

5、分别计算每个场景的下采样图像和低分辨率图像的psnr统计值、ssim统计值以及maxerror统计值；

6、根据多个场景的psnr统计值、ssim统计值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。

7、可选地，根据多个场景的psnr统计值、ssim统计值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率，包括：

8、对多个场景的psnr统计值进行曲线拟合，确定psnr参考值计算公式；

9、对多个场景的ssim统计值进行曲线拟合，确定ssim参考值计算公式；

10、利用psnr参考值计算公式分别计算多个场景的psnr参考值，以及利用ssim参考值计算公式分别计算多个场景的ssim参考值；

11、根据多个场景的psnr统计值、psnr参考值、ssim统计值、ssim参考值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。

12、可选地，根据多个场景的psnr统计值、psnr参考值、ssim统计值、ssim参考值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率，包括：

13、根据多个场景的psnr统计值、psnr参考值计算psnr统计值相对psnr参考值的第一浮动比率；

14、根据多个场景的ssim统计值、ssim参考值计算ssim统计值相对ssim参考值的第二浮动比率；

15、根据多个场景的maxerror统计值，计算maxerror统计值相对maxerror平均值的第三浮动比率；

16、根据第一浮动比率、第二浮动比率以及第三浮动比率，分别计算每个场景下的失真系数；

17、根据每个场景的失真系数以及预先设置的失真门限，筛选出失真门限外的图像，确定有效评估图像集合；

18、根据有效评估图像集合对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。

19、可选地，psnr参考值计算公式为：

20、psnr_ref＝25+5*k+3r

21、ssim参考值计算公式为：

22、ssim_ref＝0.8+0.05k+0.15(r-1)

23、其中，psnr_ref为psnr参考值，ssim_ref为ssim参考值，k表示相对下采样综合系数，公式为：

24、

25、r表示相对下采样比率，

26、r表示相对下采样比率系数，

27、其中downratio表示下采样的比率，即原始分辨率除以目标分辨率，targetresolution表示目标分辨率，minresolution表示当前评估方法支持的最小分辨率。

28、根据本发明的另一个方面，提供了一种下采样算法的评估装置，包括：

29、构成模块，用于分别采集多个场景的高分辨率图像和低分辨率图像，构成样本集；

30、输出模块，用于利用待评估下采样算法分别将多个场景的高分辨图像进行下采样，输出下采样图像，其中每个场景的下采样图像与低分辨图像的分辨率一致；

31、计算模块，用于分别计算每个场景的下采样图像和低分辨率图像的psnr统计值、ssim统计值以及maxerror统计值；

32、确定模块，用于根据多个场景的psnr统计值、ssim统计值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。

33、根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。

34、根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。

35、从而，本申请提出的一种下采样算法的评估方法，根据多个场景的psnr统计值、ssim统计值以及maxerror统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。从而本方案在保留传统测试手段的保险性的同时，大大提升了评估速度和评估范围。

技术特征：

1.一种下采样算法的评估方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据多个场景的所述psnr统计值、所述ssim统计值以及所述maxerror统计值对所述待评估下采样算法进行采样效率评估，确定所述待评估下采样算法的评估效率，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述多个场景的所述psnr统计值、所述psnr参考值、所述ssim统计值、所述ssim参考值以及所述maxerror统计值对所述待评估下采样算法进行采样效率评估，确定所述待评估下采样算法的所述评估效率，包括：

4.根据权利要求2所述的方法，其特征在于，所述psnr参考值计算公式为：

5.一种下采样算法的评估装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，确定模块，包括：

7.根据权利要求6所述的装置，其特征在于，第三确定子模块，包括：

8.根据权利要求6所述的装置，其特征在于，所述psnr参考值计算公式为：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-4任一所述的方法。

10.一种电子设备，其特征在于，所述电子设备包括：

技术总结本发明公开了一种下采样算法的评估方法、装置、介质及设备。其中，方法包括：分别采集多个场景的高分辨率图像和低分辨率图像，构成样本集；利用待评估下采样算法分别将多个场景的高分辨图像进行下采样，输出下采样图像，其中每个场景的下采样图像与低分辨图像的分辨率一致；分别计算每个场景的下采样图像和低分辨率图像的PSNR统计值、SSIM统计值以及MaxError统计值；根据多个场景的PSNR统计值、SSIM统计值以及MaxError统计值对待评估下采样算法进行采样效率评估，确定待评估下采样算法的评估效率。技术研发人员：王星睿,管健受保护的技术使用者：苏州涌现智能科技有限公司技术研发日：技术公布日：2024/7/29