公开(公告)号：CN118608467A

公开(公告)日：2024-09-06

申请号：CN202410651496.2

申请日：2024-05-24

Applicant: 南京邮电大学

Inventor： 崔子冠 ,  曾令宣 ,  柏明荫 ,  吴立鹏 ,  干宗良 ,  唐贵进 ,  刘峰

IPC: G06T7/00 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于图像特征和语义描述的无参考图像质量评价方法，包括输入文本模型，由Text Transformer编码器提取文本特征，获得文本嵌入；输入图像，将输入图像划分为子图像，由Vision Transformer编码器提取全局图像特征，由CNN编码器提取局部图像特征；将全局图像特征加入通道注意力，与局部图像特征进行交叉注意力操作得到融合特征，获得视觉嵌入；对文本嵌入和视觉嵌入进行余弦相似度计算，使用Softmax对余弦相似度进行归一化；进行概率边缘化处理，得到四种概率，并通过关联五个质量级别的李克特量表及其对应的边际概率得到质量评分；分别计算出损失；对其加权求和，计算整体损失，对整体网络模型进行训练。本发明在图像质量评价任务中具有更好的图像质量预测准确性。

公开(公告)号：CN119515777A

公开(公告)日：2025-02-25

申请号：CN202411436735.9

申请日：2024-10-15

Applicant: 南京邮电大学

Inventor： 崔子冠 ,  柏明荫 ,  干宗良 ,  唐贵进 ,  刘峰

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明公开了一种基于复值深度卷积网络和梯度信息的盲图像质量评价方法，包括：获取待评价的失真图像；利用梯度检测算子生成对应的梯度图像；将失真图像及其对应的梯度图像分别通过结构相同的复值深度卷积网络以提取多层次特征；其中复值深度卷积网络首先利用双树复小波变换得到输入图像的高频与低频复值响应，之后对高频与低频响应都使用三层复值卷积块来提取多层复值卷积特征，并使用高低频特征聚合块来融合高频分路和低频分路的对应层复值卷积特征，而且高低频特征聚合块的融合特征传递给下一层高低频特征聚合块以得到多层次特性；最后，将失真图像与梯度图像经复值深度卷积网络输出的多层次特征级联。本发明更好地提取了结构信息。