公开(公告)号：CN114841887B

公开(公告)日：2024-09-06

申请号：CN202210515284.2

申请日：2022-05-12

Applicant: 重庆邮电大学

Inventor： 胡波 ,  汪帅健 ,  高新波 ,  李雷达 ,  冷佳旭 ,  聂茜茜

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0464 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多层次差异学习的图像恢复质量评价方法，该方法包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行分类保存；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；本发明所提方法并不是只对恢复后的图像进行质量评估，而是能够量化失真恢复图像对之间的感知差异值，使得对恢复图像进行预测更加可靠和有效。

公开(公告)号：CN114841887A

公开(公告)日：2022-08-02

申请号：CN202210515284.2

申请日：2022-05-12

Applicant: 重庆邮电大学

Inventor： 胡波 ,  汪帅健 ,  高新波 ,  李雷达 ,  冷佳旭 ,  聂茜茜

IPC: G06T5/00 ,  G06N3/04 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多层次差异学习的图像恢复质量评价方法，该方法包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行分类保存；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；本发明所提方法并不是只对恢复后的图像进行质量评估，而是能够量化失真恢复图像对之间的感知差异值，使得对恢复图像进行预测更加可靠和有效。

公开(公告)号：CN115222635A

公开(公告)日：2022-10-21

申请号：CN202210839006.2

申请日：2022-07-18

Applicant: 重庆邮电大学

Inventor： 胡波 ,  朱广 ,  高新波 ,  李雷达 ,  聂茜茜

IPC: G06T5/50 ,  G06T3/40

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质，包括：获取待评价的自然失真图像，根据自然失真图像生成梯度图像，将自然失真图像和梯度图像输入到训练好的基于图像特征融合的无参考图像质量评价模型中，得到质量评价分数；其中，基于图像特征融合的无参考图像质量评价模型包括：基干网络、跨域特征融合模型和跨尺度特征融合模型，本发明不只是对图像进行评估，而是在充分考虑了自然失真图像域的全局语义信息和局部语义信息，能够对自然失真图的质量评价更加准确。