公开(公告)号：CN115100490B

公开(公告)日：2025-04-29

申请号：CN202210851943.X

申请日：2022-07-20

Applicant: 广东工业大学

Inventor： 罗玉 ,  谢家明 ,  凌捷 ,  柳毅

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN115375663A

公开(公告)日：2022-11-22

申请号：CN202211038963.1

申请日：2022-08-29

Applicant: 广东工业大学

Inventor： 罗玉 ,  谢家明 ,  凌捷

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/80

Abstract: 本申请实施例提供的一种基于深度互学习和双尺度特征融合的无参考图像质量评价方法，该方法包括确定待进行无参考图像质量评估的目标失真图像；对目标失真图像进行水平翻转，得到目标镜像图像；构建初始质量评价模型，初始质量评价模型包括用于从图像中提取局部特征的第一、二Resnet50网络、用于从图像中提取出非局部特征的第一、二VisionTransformer网络；将目标失真图像输入到第一Resnet50网络以及第一VisionTransformer网络中，将目标镜像图像输入到第二Resnet50网络以及第二Vision Transformer网络中进行模型训练，训练过程中，通过深度互学习的方式对图像间的局部特征、以及非局部特征进行一致性约束，以及通过融合图像的局部、非局部特征，确定模型输出结果；在结束模型训练时，得到目标质量评价模型。

公开(公告)号：CN115100490A

公开(公告)日：2022-09-23

申请号：CN202210851943.X

申请日：2022-07-20

Applicant: 广东工业大学

Inventor： 罗玉 ,  谢家明 ,  凌捷 ,  柳毅

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 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。