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！

龙图腾网恭喜广东工业大学申请的专利一种图像质量评价方法、系统以及可读存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115100490B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210851943.X，技术领域涉及：G06V10/774；该发明授权一种图像质量评价方法、系统以及可读存储介质是由罗玉;谢家明;凌捷;柳毅设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种图像质量评价方法、系统以及可读存储介质在说明书摘要公布了：本申请公开的一种图像质量评价方法、系统以及可读存储介质，该方法包括构建训练图像数据集，所述训练图像数据集包含真实失真图像；构建用于结合图像通道、以及空间特征信息，进行图像质量加权评价计算的初始网络模型；按照预设的预处理方式，对所述训练图像数据集中包括的各图像分别进行的预处理操作，得到相应的预处理训练数据；将所述预处理训练数据输入到所述初始网络模型中进行训练，得到训练好的目标网络模型；对待评价的真实失真图像进行所述预处理操作，并将所得的预处理待评数据输入到所述目标网络模型进行处理，得到相应的图像质量评分。该方法的实施能够提高图像质量评分的精准度。

本发明授权一种图像质量评价方法、系统以及可读存储介质在权利要求书中公布了：1.一种图像质量评价方法，其特征在于，所述方法包括：构建训练图像数据集，所述训练图像数据集包含真实失真图像；构建用于结合图像通道、以及空间特征信息，进行图像质量加权评价计算的初始网络模型；按照预设的预处理方式，对所述训练图像数据集中包括的各图像分别进行的预处理操作，得到相应的预处理训练数据；将所述预处理训练数据输入到所述初始网络模型中进行训练，得到训练好的目标网络模型；对待评价的真实失真图像进行所述预处理操作，并将所得的预处理待评数据输入到所述目标网络模型进行处理，得到相应的图像质量评分；所述初始网络模型包括特征提取网络、以及双注意力预测和自适应加权网络，其中：所述特征提取网络，用于对切片后编码成特征向量的图像进行多尺度的特征提取，得到相应的特征图，其中，所述多尺度的特征提取包括浅层特征提取、中层特征提取以及深层特征提取；通过所述特征提取网络进行多尺度的特征提取，包括以下步骤：在浅层特征提取阶段即第一阶段，结合一个用于通过线性运算进行特征映射的LinearEmbedding模块、以及2个连续的SwinTransformerBlock模块进行浅层特征提取，其中，输入到序号为奇数的SwinTransformerBlock模块的向量将先在层内进行归一化处理，并在向量所在位置所处标准窗口内进行标准多头自注意力处理，之后将所得处理结果与输入相加后再进行层归一化，而序号为偶数的SwinTransformerBlock模块则采用基于滑动窗口的多头自注意力处理机制进行特征提取处理；在中层特征提取阶段即第二阶段，结合一个用于降低特征向量的尺寸大小，得到分层特征的PatchMerging模块、以及2个连续的SwinTransformerBlock模块进行中层特征提取；深层次特征提取阶段分为两个子阶段，其中，在第一个深层次特征提取阶段即第三阶段中，结合一个PatchMerging模块、以及18个连续的SwinTransformerBlock模块进行这一阶段的深层次特征提取，在第二个深层次特征提取阶段即第四阶段中，结合一个PatchMerging模块、以及2个连续的SwinTransformerBlock模块进行这一阶段的深层次特征提取；所述双注意力预测和自适应加权网络，用于基于从所得特征图中提取到的通道特征信息、及空间特征信息，进行图像质量评价的加权计算；所述基于从所得特征图中提取到的通道特征信息、及空间特征信息，进行图像质量评价的加权计算，包括：结合所得的第一图像质量评估结果、以及第二图像质量评估结果，通过下述公式进行图像质量评价的加权计算： ；其中，和表示加权系数，其可根据训练过程中可学习的自适应参数确定，表示所得的图像质量评价的加权计算结果；通过皮尔逊线性相关系数PLCC、斯皮尔曼秩次相关系数SROCC衡量评估精准度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510006 广东省广州市东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。