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：长春理工大学重庆研究院

摘要：本发明属于图像处理技术领域，是一种基于视觉补偿感知的无参考质量评价方法，其过程如下：首先，设计包含视觉补偿感知特征提取和图像感知增强模块的网络模型，以更好地捕捉和补偿图像中的视觉失真。该模型通过模拟人眼视觉系统，对图像的细节和整体感知进行优化，提升模型对失真图像的敏感度和处理能力。其次，通过传入失真图像及其高质量参考图像，训练网络模型。模型通过学习这些图像之间的差异，逐步调整网络参数，以最小化质量评分的预测误差，确保模型在各种失真情况下的鲁棒性。训练过程中采用了多种优化算法和损失函数，以提高模型的收敛速度和预测精度。最后，通过一系列评估指标全面评估模型性能，确保其质量和一致性。

主权项：1.一种基于视觉补偿感知的无参考质量评价方法，其特征在于：包括以下步骤，步骤1，构建质量评价网络模型：该网络框架包含两个分支，第一个分支是利用编码器补偿感知模块对失真图像进行特征提取，编码器补偿感知模块包含两个主要组成部分：一是编码器与解码器组成的提取网络又称为U型网络，它负责学习图像的高级补偿感知特征表示，二是解码后的特征细化模块称之为进化网络模块，它有助于捕捉更复杂的局部特征和细节结构，提高图像恢复的精度；第二个分支是图像增强感知模块，通过使用ResNet50网络作为语义特征提取的主干模型，特征提取模块ResNet50网络具有深层架构和特征提取模块连接，使其能够捕捉丰富的图像语义信息，提高对图像内容的理解和表达能力；通过融合两分支特征，将得到的融合特征输入全连接层的分数预测模块，从而实现失真图像的质量分数预测；为了提升性能，引入注意力机制以增强对分支信息的关注，优化全连接层结构，以提高模型的泛化性能，并使其在不同失真情况下更准确地进行质量评估；步骤2，数据集准备：通过使用常用的图像质量评价领域数据集，通常会将参考图像随机分为两部分，其中一部分用于模型训练，而剩余部分则用于测试；这个划分过程同样适用于将参考图像对应的失真图像划入相应的训练集和测试集；这些数据集包含了参考图像和其对应的失真图像，其中参考图像代表无失真的高质量图像，而失真图像则是通过算法处理而导致质量劣化的图像；通过这样的划分和使用常用数据集，可以有效地训练和测试图像质量评价模型，以提高模型的性能和泛化能力；步骤3，训练网络模型：通过传入失真图像和对应的参考图像对视觉补偿感知网络模型进行训练，模型通过学习失真图像与高质量参考图像之间的关系，逐渐调整网络参数以最小化质量评分的预测误差；这过程中，编码器补偿感知模块负责学习图像的高级补偿感知特征，而图像增强感知模块通过ResNet50主干模型提取语义特征，使得模型能够综合考虑图像的局部细节和全局语义信息；通过迭代优化，模型逐渐提升对图像质量的理解和评估能力，从而在训练集上达到更准确的质量预测；步骤4，确定质量评价模型：固化网络模型参数，确定最终质量评价视觉补偿感知网络模型，将所提取特征块进行融合，得到融合块输入训练好的质量评价视觉补偿感知网络模型中，引入注意力机制以增强对分支信息的关注，优化全连接层结构，以提高模型的泛化性能；步骤5，指标性能评估：选用Spearman秩相关系数和皮尔逊线性相关系数指标进行质量评估是为了更全面地评价视觉补偿感知网络模型在图像质量预测任务中的性能；SROCC测量了模型预测分数与实际质量分数之间的非线性关系，对于不同曲线形状的数据更为敏感，考虑图像质量的非线性变化时尤为有用；而PLCC则衡量了模型输出与实际分数之间的线性相关性，对于评估线性相关性的准确性提供了关键信息。

全文数据：

权利要求：

百度查询： 长春理工大学重庆研究院 一种基于视觉补偿感知的无参考质量评价方法