信息處理方法及電子設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息技術(shù)領(lǐng)域，尤其涉及一種信息處理方法及電子設(shè)備。
【背景技術(shù)】
[0002] 隨著消費(fèi)電子相機(jī)的繁榮，尤其是手機(jī)相機(jī)、可穿戴式相機(jī)、車載相機(jī)和航拍相機(jī) 的興起，電子設(shè)備從大量連拍的圖像辨識(shí)圖像質(zhì)量高的圖像成為了迫切需求。圖像的質(zhì)量 測(cè)量系統(tǒng)一方面可以從海量的相冊(cè)中精選高質(zhì)量的圖像，從而方便用戶整理；另一方面可 以為圖像翻譯及圖像搜索等這類圖像識(shí)別應(yīng)用挑選高質(zhì)量的圖像，以提圖像翻譯或圖像搜 索效率等。
[0003] 現(xiàn)有技術(shù)中提出了一些圖像質(zhì)量測(cè)量方式，但是要不準(zhǔn)確度太低，要不處理過(guò)程 十分復(fù)雜；故提出一種簡(jiǎn)便易行且精確度高的圖像質(zhì)量測(cè)量方法是現(xiàn)有技術(shù)仍需繼續(xù)解決 的一個(gè)問(wèn)題。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明實(shí)施例期望提供一種信息處理方法及電子設(shè)備，至少部分解決 圖像質(zhì)量評(píng)分精確度不過(guò)和/或處理過(guò)程十分復(fù)雜的問(wèn)題。
[0005] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0006] 本發(fā)明實(shí)施例第一方面提供了一種信息處理方法，所述方法包括：
[0007] 對(duì)一幅訓(xùn)練圖像進(jìn)行采樣，形成η個(gè)圖像訓(xùn)練組海一個(gè)所述圖像訓(xùn)練組包括m個(gè) 來(lái)自所述訓(xùn)練圖像的圖像塊；所述η為不小于1的整數(shù)；所述m為不小于2的整數(shù)；
[0008] 利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖像的質(zhì)量分?jǐn)?shù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，形 成訓(xùn)練結(jié)果；
[0009] 基于所述訓(xùn)練結(jié)果確定圖像質(zhì)量測(cè)量參數(shù)；其中，所述圖像質(zhì)量測(cè)量參數(shù)用于對(duì) 待測(cè)圖像進(jìn)行質(zhì)量評(píng)分。
[0010] 基于上述方案，所述方法還包括：
[0011] 在對(duì)所述訓(xùn)練圖像進(jìn)行采樣之前，輸出第一圖像組；所述第一圖像組至少包括兩 張待評(píng)分的圖像；
[0012] 接收所述第一圖像組內(nèi)各圖像的評(píng)分排序信息；
[0013] 基于所述評(píng)分排序信息，確定所述第一圖像組內(nèi)各圖像作為所述訓(xùn)練圖像時(shí)的質(zhì) 量分?jǐn)?shù)。
[0014] 基于上述方案，所述對(duì)一幅訓(xùn)練圖像進(jìn)行采樣，形成η個(gè)圖像訓(xùn)練組，包括：
[0015] 對(duì)一幅所述訓(xùn)練圖像進(jìn)行η次隨機(jī)分割；其中，每一次隨機(jī)分割將所述訓(xùn)練圖像 分割成m個(gè)所述圖像塊。
[0016] 基于上述方案，所述利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖像的質(zhì)量分?jǐn)?shù)，對(duì)神 經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，形成訓(xùn)練結(jié)果，包括：
[0017] 利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖像的質(zhì)量分?jǐn)?shù)，對(duì)c? =i；P(-V) 〃）·(Λ·)進(jìn)行 d 訓(xùn)練，獲得所述Ρ(χ)的取值；
[0018] 其中，所述y(x)表示第X個(gè)質(zhì)量分?jǐn)?shù)；所述Ρ(χ)為訓(xùn)練圖像為第X個(gè)質(zhì)量分?jǐn)?shù)的 概率；所述X為所述質(zhì)量分?jǐn)?shù)的總個(gè)數(shù)，為不小于2的正整數(shù)；所述Q為所述訓(xùn)練圖像的質(zhì) 量分?jǐn)?shù)。
[0019] 基于上述方案，所述方法還包括：
[0020] 定時(shí)更新所述圖像質(zhì)量測(cè)量參數(shù)；
[0021] 對(duì)待測(cè)圖像進(jìn)行圖像采樣，形成待測(cè)圖像組；
[0022] 依據(jù)所述定時(shí)更新的圖像質(zhì)量測(cè)量參數(shù)，對(duì)所述待測(cè)圖像組進(jìn)行質(zhì)量評(píng)分。
[0023] 本發(fā)明實(shí)施例第二方面還提供了一種電子設(shè)備，所述電子設(shè)備包括：
[0024] 形成單元，用于對(duì)一幅訓(xùn)練圖像進(jìn)行采樣，形成η個(gè)圖像訓(xùn)練組；每一個(gè)所述圖像 訓(xùn)練組包括m個(gè)來(lái)自所述訓(xùn)練圖像的圖像塊；所述η為不小于1的整數(shù)；所述m為不小于2 的整數(shù)；
[0025] 訓(xùn)練單元，用于利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖像的質(zhì)量分?jǐn)?shù)，對(duì)神經(jīng)網(wǎng) 絡(luò)進(jìn)行訓(xùn)練，形成訓(xùn)練結(jié)果；
[0026] 第一確定單元，用于基于所述訓(xùn)練結(jié)果確定圖像質(zhì)量測(cè)量參數(shù)；其中，所述圖像質(zhì) 量測(cè)量參數(shù)用于對(duì)待測(cè)圖像進(jìn)行質(zhì)量評(píng)分。
[0027] 基于上述方案，所述電子設(shè)備還包括：
[0028] 輸出單元，用于在對(duì)所述訓(xùn)練圖像進(jìn)行采樣之前，輸出第一圖像組；所述第一圖像 組至少包括兩張待評(píng)分的圖像；
[0029] 接收單元，用于接收所述第一圖像組內(nèi)各圖像的評(píng)分排序信息；
[0030] 第二確定單元，用于基于所述評(píng)分排序信息，確定所述第一圖像組內(nèi)各圖像作為 所述訓(xùn)練圖像時(shí)的質(zhì)量分?jǐn)?shù)。
[0031] 基于上述方案，所述形成單元，具體用于對(duì)一幅所述訓(xùn)練圖像進(jìn)行η次隨機(jī)分割； 其中，每一次隨機(jī)分割將所述訓(xùn)練圖像分割成m個(gè)所述圖像塊。
[0032] 基于上述方案，所述訓(xùn)練單元，具體用于利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖 像的質(zhì)量分?jǐn)?shù)，對(duì)β=? 進(jìn)行訓(xùn)練，獲得所述Ρ(X)的取值； Λ：:~1
[0033] 其中，所述y(x)表示第X個(gè)質(zhì)量分?jǐn)?shù)；所述Ρ(χ)為訓(xùn)練圖像為第X個(gè)質(zhì)量分?jǐn)?shù)的 概率；所述X為所述質(zhì)量分?jǐn)?shù)的總個(gè)數(shù)，為不小于2的正整數(shù)；所述Q為所述訓(xùn)練圖像的質(zhì) 量分?jǐn)?shù)。
[0034] 基于上述方案，所述電子設(shè)備還包括測(cè)量單元：
[0035] 所述第一確定單元，還用于定時(shí)更新所述圖像質(zhì)量測(cè)量參數(shù)；
[0036] 所述形成單元，還用于對(duì)待測(cè)圖像進(jìn)行圖像采樣，形成待測(cè)圖像組；
[0037] 所述依據(jù)所述定時(shí)更新的圖像質(zhì)量測(cè)量參數(shù)，對(duì)所述待測(cè)圖像組進(jìn)行質(zhì)量評(píng)分。
[0038]本發(fā)明實(shí)施例提供的信息處理方法及電子設(shè)備，會(huì)將一幅訓(xùn)練圖像分割成η個(gè)圖 像訓(xùn)練組；一個(gè)圖像訓(xùn)練組可用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練一次，這樣一幅訓(xùn)練圖像可對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn) 行η次訓(xùn)練，從而能夠減少訓(xùn)練圖像的數(shù)量；同時(shí)η個(gè)圖像訓(xùn)練組對(duì)應(yīng)一個(gè)質(zhì)量分?jǐn)?shù)，可以 減少多個(gè)訓(xùn)練圖像在質(zhì)量分?jǐn)?shù)上的差異導(dǎo)致的訓(xùn)練結(jié)果不夠精確，進(jìn)而導(dǎo)致后續(xù)利用神經(jīng) 網(wǎng)絡(luò)對(duì)待測(cè)圖像進(jìn)行質(zhì)量評(píng)分時(shí)導(dǎo)致的結(jié)果不夠精確的現(xiàn)象。
【附圖說(shuō)明】
[0039]圖1為本發(fā)明實(shí)施例提供的第一種信息處理方法的流程示意圖；
[0040] 圖2為本發(fā)明實(shí)施例提供的第二種信息處理方法的流程示意圖；
[0041] 圖3為本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖；
[0042]圖4為本發(fā)明實(shí)施例提供給的一種圖像清晰度分?jǐn)?shù)測(cè)評(píng)系統(tǒng)示意圖；
[0043] 圖5為本發(fā)明實(shí)施例提供的一種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0044] 以下結(jié)合說(shuō)明書附圖及具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)闡述。
[0045] 實(shí)施例一：
[0046] 如圖1所示，本實(shí)施例提供一種信息處理方法，所述方法包括：
[0047] 步驟S110 :對(duì)一幅訓(xùn)練圖像進(jìn)行采樣，形成η個(gè)圖像訓(xùn)練組；每一個(gè)所述圖像訓(xùn)練 組包括m個(gè)來(lái)自所述訓(xùn)練圖像的圖像塊；所述η為不小于1的整數(shù)；所述m為不小于2的整 數(shù)；
[0048] 步驟S120:利用所述η個(gè)圖像訓(xùn)練組及所述訓(xùn)練圖像的質(zhì)量分?jǐn)?shù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn) 行訓(xùn)練，形成訓(xùn)練結(jié)果；
[0049] 步驟S130:基于所述訓(xùn)練結(jié)果確定圖像質(zhì)量測(cè)量參數(shù)；其中，所述圖像質(zhì)量測(cè)量 參數(shù)用于對(duì)待測(cè)圖像進(jìn)行質(zhì)量評(píng)分。
[0050] 在本實(shí)施例中所述信息處理方法可以應(yīng)用于手機(jī)、平板電腦、筆記本電腦、臺(tái)式電 腦或服務(wù)器或服務(wù)平臺(tái)等各種電子設(shè)備。
[0051] 所述步驟S110對(duì)一幅訓(xùn)練圖像進(jìn)行采樣，可包括將該副訓(xùn)練圖像進(jìn)行分割，分割 η次；且每次將該副訓(xùn)練圖像分割成m個(gè)互不重疊的圖像塊。顯然這里的每一個(gè)圖像塊均 為所述訓(xùn)練圖像的一部分。
[0052] 在本實(shí)施例中所述訓(xùn)練圖像對(duì)應(yīng)了一個(gè)質(zhì)量分?jǐn)?shù)。這里的質(zhì)量分?jǐn)?shù)為表征該訓(xùn)練 圖像的一個(gè)質(zhì)量參數(shù)。這里的質(zhì)量分?jǐn)?shù)可為所述訓(xùn)練圖像的清晰度分?jǐn)?shù)。例如，將所述清 晰度采用10分制來(lái)進(jìn)行評(píng)價(jià)，這樣該副訓(xùn)練圖像會(huì)對(duì)應(yīng)于一個(gè)從〇到10之間的一個(gè)分?jǐn)?shù)。 該分?jǐn)?shù)表示了該訓(xùn)練圖像的清晰度。
[0053] 通常所述質(zhì)量分?jǐn)?shù)與訓(xùn)練圖像的質(zhì)量參數(shù)是一一映射的關(guān)系，例如，清晰度越高， 清晰度分?jǐn)?shù)就越高；一個(gè)清晰度分?jǐn)?shù)不會(huì)用于對(duì)應(yīng)于兩幅清晰度差異很大的訓(xùn)練圖像。
[0054]當(dāng)然本實(shí)施例所述的質(zhì)量分?jǐn)?shù)還可以是模糊度分?jǐn)?shù)，表征的是圖像的模糊程度， 與所述清晰度為相反的對(duì)圖像進(jìn)行評(píng)價(jià)的評(píng)價(jià)量。
[0055] 在步驟S120中會(huì)對(duì)這η個(gè)圖像訓(xùn)練組進(jìn)行訓(xùn)練，形成訓(xùn)練結(jié)果。這里的采用神經(jīng) 網(wǎng)絡(luò)進(jìn)行訓(xùn)練。這里的神經(jīng)網(wǎng)絡(luò)值得是利用電子設(shè)備模仿的人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò) (ArtificialNeuralNetworks，簡(jiǎn)寫為ANNs)也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NNs)或稱作連接模型 (ConnectionModel)。人工神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行 信息處理的算法數(shù)學(xué)模型。這種人工神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié) 點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)的計(jì)算模型模仿自動(dòng)物 的中樞神經(jīng)系統(tǒng)（尤其是腦），并且被用于估計(jì)或可以依賴于大量的輸入和一般的未知近 似函數(shù)。人工神經(jīng)網(wǎng)絡(luò)通常呈現(xiàn)為相互連接的"神經(jīng)元"。神經(jīng)網(wǎng)絡(luò)可以從輸入的計(jì)算值， 并且能夠機(jī)器學(xué)習(xí)以及模式識(shí)別由于它們的自適應(yīng)性質(zhì)的系統(tǒng)。
[0056]總之經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，將能夠形成