龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海大学
摘要：本发明提供一种基于深度学习的无参考光场图像质量评价方法，包括：对基于微透镜成像的光场透镜图像进行预处理，获得面向神经网络的输入数据；将所述输入数据输入卷积神经网络先后学习了光场角度特征、空间特征以及角度‑空间融合特征；基于所述角度‑空间融合特征预测获得一个质量预测值。本发明利用了卷积神经网络来分析光场图像的角度‑空间特性，与其他无参考质量评价方法相比，具有更好的准确性。
主权项：1.一种基于深度学习的无参考光场图像质量评价方法，其特征在于，包括：对基于微透镜成像的光场透镜图像进行预处理，获得面向神经网络的输入数据；将所述输入数据输入卷积神经网络先后学习了光场角度特征、空间特征以及角度-空间融合特征；基于所述角度-空间融合特征预测获得一个质量预测值；所述对基于微透镜成像的光场透镜图像进行预处理，获得面向卷积神经网络的输入数据，包括：将所述透镜图像剪裁为包含若干个宏像元的像素块；将所述像素块进行局部归一化，获得输入数据；将所述输入数据输入卷积神经网络先后学习了光场角度特征、空间特征以及角度-空间融合特征，包括：利用大步长参数的卷积层提取所述输入图像的角度特征，得到宏像元特征图一；利用空洞卷积层分离所述宏像元特征图一的角度和空间信息，提取空间特征，得到宏像元特征图二；利用最大池化层对宏像元特征图二进行非线性处理，利用残差网络提取非线性处理后的特征图的角度-空间融合特征；所述基于角度-空间融合特征预测获得一个质量预测值，包括：将所述角度-空间融合特征输入全局平均池化层，融合残差网络最后输出的每个通道的特征分布，得到每个通道的特征值；将每个通道的特征值经全连接层输出最终的质量预测值。
全文数据：
权利要求：
百度查询： 上海大学 一种基于深度学习的无参考光场图像质量评价方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号