本发明属于图像质量评价，特别是涉及一种人脸润饰图像的质量评价方法、系统、设备及介质。
背景技术：
1、人脸润饰通常是指使用数字工具和技术来修改或增强面部特征的技术。它通常用于改善个体的外貌，例如面部校正、眼睛放大、微笑、皮肤祛痘、美白等。然而，过度使用人脸润饰操作可能在某些场景中对人脸识别产生误导，如安全访问、身份验证和情感分析。因此，评估润饰后的人脸图像的质量显得尤为重要。这不仅有助于在提升视觉吸引力和保持自然外观之间取得平衡，还能确保在人脸识别等关键应用中，润饰操作不会对系统的准确性和可靠性造成负面影响。通过设计有效的人脸润饰图像(rf)质量评价方法，可以更好地掌握润饰操作的程度，避免过度修饰带来的负面效果，从而实现更高效和安全的人脸识别应用。
2、现有rf图像质量评价方法针对rf图像的失真特点设计了新型cnn网络，通过考虑图像的纹理特征以及几何变化的高级语义信息来对rf图像质量进行评价。然而，这类方法通常缺乏对原始面部图像和润饰后图像之间个性化差异的深入理解。进一步的观察表明，使用照片编辑软件对不同的面部图像进行相同的修饰操作时，修饰程度往往表现出个性化差异。例如，对于两个不同的面部图像，尽管使用相同的修饰程序和参数对眼睛、鼻子、嘴巴和整体面部形状进行调整，但修饰后的效果可能截然不同。这种差异源于个体面部特征的差异，如眼睛大小、面部结构宽窄等。因此，亟需一种能够适应这些个性化差异的rf图像质量评价方法。
技术实现思路
1、本发明的目的是提供一种人脸润饰图像的质量评价方法、系统、设备及介质，以解决上述现有技术存在的问题。
2、为实现上述目的，本发明提供了一种人脸润饰图像的质量评价方法，包括：
3、获取待评价人脸图像数据，所述待评价人脸图像数据包括原始面部图像及对应的人脸润饰图像和润饰图像质量专家评分数据；
4、将所述待评价人脸图像数据输入所述润饰图像质量评价模型中进行质量评价，得到润饰图像质量分数；其中，所述润饰图像质量评价模型包括图像编码器、文本编码器、质量回归模块、差异特征注意模块、文本信息模块和多尺度特征融合模块，所述图像编码器和所述多尺度特征融合模块均与所述质量回归模块连接，所述文本编码器、文本信息模块和多尺度特征融合模块依次连接，所述文本信息模块和所述图像编码器之间通过所述差异特征注意模块连接。
5、可选的，所述润饰图像质量评价模型的训练过程包括：
6、获取训练数据，所述训练数据包括人脸训练图像数据及对应的润饰图像质量分数，所述人脸训练图像数据包括原始面部图像及对应的人脸润饰图像和润饰图像质量专家评分数据；
7、构建初始润饰图像质量评价模型，将所述训练数据输入所述初始润饰图像质量评价模型中进行质量评价，并以质量评价后的初始训练结果与所述人脸训练图像数据对应的润饰图像质量分数之间的损失最小为目标，进行训练，得到所述润饰图像质量评价模型。
8、可选的，所述润饰图像质量评价模型的处理过程包括：
9、将所述原始面部图像及对应的人脸润饰图像输入所述图像编码器中进行特征提取，得到所述原始面部图像及对应人脸润饰图像的全局特征和局部特征；
10、将所述原始面部图像及对应人脸润饰图像的全局特征的差值作为全局差异特征；
11、将所述原始面部图像及对应人脸润饰图像的局部特征输入所述差异特征注意模块中进行特征相减，得到局部差异特征；
12、将所述润饰图像质量专家评分数据输入所述文本编码器中，输出文本向量；
13、将所述文本向量和所述局部差异特征输入所述文本信息模块进行文本增强，得到文本增强后的局部差异特征，通过所述多尺度特征融合模块对文本增强后的局部差异特征进行聚合，得到聚合特征；
14、对所述聚合特征进行池化操作，并将池化后的聚合特征与所述全局差异特征进行拼接，得到拼接特征图，通过所述质量回归模型对所述拼接特征图进行分数预测，得到所述润饰图像质量分数。
15、可选的，将所述原始面部图像及对应人脸润饰图像的局部特征输入所述差异特征注意模块中进行特征相减，得到局部差异特征，具体包括：
16、对所述原始面部图像和所述人脸润饰图像对应的局部特征分别进行卷积操作，得到对应的卷积特征图，
17、使所述原始面部图像和所述人脸润饰图像对应的卷积特征图的差值作为初始局部差异特征；
18、引入注意力机制，使所述初始局部差异特征分别与所述原始面部图像和所述人脸润饰图像对应的卷积特征图进行交互，得到对应的差异感知特征；
19、将所述原始面部图像和所述人脸润饰图像对应的差异感知特征进行拼接，并进行并行卷积操作得到所述局部差异特征。
20、可选的，将所述文本向量和所述局部差异特征输入所述文本信息模块进行文本增强，具体包括：
21、对所述文本向量进行形状重塑，得到重塑向量；
22、使所述重塑向量依次通过卷积层和激活函数，得到通道权重；
23、使所述通道权重与所述局部差异特征在通道方向上相乘，得到文本增强后的局部差异特征。
24、可选的，通过所述多尺度特征融合模块对文本增强后的局部差异特征进行聚合，具体包括：
25、所述多尺度特征融合模块包括若干分支，在每个分支中，使用双线性插值对文本增强后的局部差异特征进行下采样，得到下采样后的局部差异特征，对下采样后的局部差异特征进行1×1的卷积操作，得到变换特征；
26、将各分支的变换特征在通道方向上连接，并3×3卷积处理，得到所述聚合特征。
27、一种人脸润饰图像的质量评价系统，包括：
28、数据采集模块，用于获取待评价人脸图像数据，所述待评价人脸图像数据包括原始面部图像及对应的人脸润饰图像和润饰图像质量专家评分数据；
29、质量评价模块，用于将所述待评价人脸图像数据输入所述润饰图像质量评价模型中进行质量评价，得到润饰图像质量分数；其中，所述润饰图像质量评价模型包括图像编码器、文本编码器、质量回归模块、差异特征注意模块、文本信息模块和多尺度特征融合模块，所述图像编码器和所述多尺度特征融合模块均与所述质量回归模块连接，所述文本编码器、文本信息模块和多尺度特征融合模块依次连接，所述文本信息模块和所述图像编码器之间通过所述差异特征注意模块连接。
30、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种人脸润饰图像的质量评价方法。
31、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种人脸润饰图像的质量评价方法。
32、本发明的技术效果为：
33、本发明充分考虑了人脸润饰图像的特点，提供了一种基于差分感知和文本提示的图像质量评估方法，产生人脸图像润饰程度的质量评分；本发明能够有效识别和评估图像中的微小变化，通过引入dfam、tim和mffm能够显著提高图像质量评估的性能，且本发明在多种图像编辑设置下均表现出较强的泛化能力，在不同的图像编辑设置下具有较强的适应性。
1.一种人脸润饰图像的质量评价方法，其特征在于，包括：
2.根据权利要求1所述的一种人脸润饰图像的质量评价方法，其特征在于，所述润饰图像质量评价模型的训练过程包括：
3.根据权利要求1所述的一种人脸润饰图像的质量评价方法，其特征在于，所述润饰图像质量评价模型的处理过程包括：
4.根据权利要求3所述的一种人脸润饰图像的质量评价方法，其特征在于，将所述原始面部图像及对应人脸润饰图像的局部特征输入所述差异特征注意模块中进行特征相减，得到局部差异特征，具体包括：
5.根据权利要求3所述的一种人脸润饰图像的质量评价方法，其特征在于，将所述文本向量和所述局部差异特征输入所述文本信息模块进行文本增强，具体包括：
6.根据权利要求3所述的一种人脸润饰图像的质量评价方法，其特征在于，通过所述多尺度特征融合模块对文本增强后的局部差异特征进行聚合，具体包括：
7.一种人脸润饰图像的质量评价系统，其特征在于，包括：
8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1-6中任一项所述的一种人脸润饰图像的质量评价方法。
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的一种人脸润饰图像的质量评价方法。
