公开(公告)号：CN119850593A

公开(公告)日：2025-04-18

申请号：CN202510050954.1

申请日：2025-01-13

Applicant: 重庆大学

Inventor： 魏雪凯 ,  张军誉 ,  胡沁琳 ,  周明亮 ,  咸伟志 ,  罗均 ,  蒲华燕 ,  冯永 ,  向涛

IPC: G06T7/00 ,  G06V10/52 ,  G06V10/74 ,  G06V10/40 ,  G06V10/80

Abstract: 本发明涉及图像处理技术领域，具体提供了一种基于小波变换及Hausdorff距离的全参考图像质量评价方法，包括：结合频域变化技术和深度学习，实现了对图像质量的高效评价；通过小波变换来提取感知相关特征，捕获多尺度感知信息并模仿人类视觉系统如何在空间和频率域中分析各种尺度和方向的视觉信息。其次，基于Hausdorff距离的分布相似性测量模块可以更好的评估参考图像与失真图像的特征分布之间的差异。所提出的方法能够准确的捕获感知质量差异，而不需要训练数据或主观质量分数，大量实验表明该方法性能优越，突出了其与人类视觉系统感知紧密相关的能力。

公开(公告)号：CN119992299A

公开(公告)日：2025-05-13

申请号：CN202510077898.0

申请日：2025-01-17

Applicant: 重庆大学

Inventor： 魏雪凯 ,  胡沁琳 ,  兰旭婷 ,  张军誉 ,  周明亮 ,  廖星冉 ,  罗均 ,  蒲华燕 ,  尚赵伟 ,  房斌 ,  冯永

IPC: G06V10/98 ,  G06V10/82 ,  G06V10/776 ,  G06N3/045 ,  G06V10/40 ,  G06V10/30

Abstract: 本发明公开了一种基于生成噪声估计的无参考图像质量评价方法，包括以下步骤：S1：训练第一神经网络模型和第二神经网络模型。第一神经网络模型的训练步骤包括：将失真图像样本输入至编码器中将失真图像特征映射至潜在空间中；在潜在空间中进行采样，通过解码器生成不同级别的噪声图像；将失真图像输入至扩散模型进行退化修复，并生成伪参考图像；将伪参考图和噪声图像进行叠加，并与失真图像计算损失函数进行参数优化。将失真图像输入至训练好的第一神经网络模型后，生成不同级别的噪声图像。将不同级别的噪声图像输入至训练好的第二神经网络模型，生成图像质量分数；本发明能够准确的模拟失真图像退化，并学习图像失真，提高了评估的准确性。