公开(公告)号：CN108074239B

公开(公告)日：2021-12-17

申请号：CN201711488518.4

申请日：2017-12-30

申请人： 中国传媒大学

发明人： 史萍 ,  潘达 ,  侯明 ,  应泽峰 ,  韩明良 ,  傅思喆

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于先验感知质量特征图的无参考图像质量客观评价方法，本发明通过待评价图像先由全卷积网络生成感知质量特征图，再由深度网络对感知质量特征图进行池化得到主观分数的方法，实现图像的无参考质量评价。由全参考图像质量评价方法生成的感知质量特征图做为标签训练基于U‑net的相似质量图生成全卷积网络，由主观评价分数作为标签训练感知质量特征图质量分数池化网络，失真图通过训练好的质量特征图生成全卷积网络和质量分数池化网络生成质量特征图和质量评价分数。本发明在得到失真图像质量分数的同时，还可以得到一张反映失真区域及程度的感知质量特征图，能更好的反应失真图像的失真程度和失真信息。

公开(公告)号：CN108090902A

公开(公告)日：2018-05-29

申请号：CN201711492127.X

申请日：2017-12-30

申请人： 中国传媒大学

发明人： 史萍 ,  潘达 ,  应泽峰 ,  侯明 ,  钟地秀 ,  韩明良

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于多尺度生成对抗网络的无参考图像质量客观评价方法，通过多尺度生成对抗网络产生失真图像对应的相似质量图，再将不同尺度的相似质量图通过卷积神经网络进行回归得到图像质量分数。训练多尺度生成对抗网络，通过全参考图像质量评价方法对失真图像生成图像质量相似图，并将其作为判别网络的真实数据集。将三组不同尺度的相似质量图作为数据集，主观评价分数作为标签，对图像质量分数回归网络进行训练。失真图像通过生成网络产生多张不同尺度的相似质量图，然后通过图像质量分数回归网络生成图像质量分数。本发明将整体失真程度和局部失真细节结合，从而进一步确定失真图像的质量分数，更全面准确地体现了失真图像质量。