公开(公告)号：CN111968073B

公开(公告)日：2022-07-12

申请号：CN202010644429.X

申请日：2020-07-07

Applicant: 南昌大学

Inventor： 李春泉 ,  肖典

IPC: G06T7/00 ,  G06T7/13 ,  G06N3/04 ,  G06T5/40

Abstract: 本发明公开了一种基于纹理信息统计的无参考图像质量评价方法，该方法是一种通用型无参考图像质量评价方法。首先使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；然后使用完全局部二值模式(Complete Local Binary Patterns,CLBP)处理所得到的梯度图像，得到梯度CLBP图(GCLBP)；接着将梯度图像的幅值作为权重，并且结合GCLBP图，提取梯度幅值权重GCLBP直方图；最后将归一化的梯度幅值权重GCLBP直方图作为特征，使用SVR将其映射为图像分数。本发明对图像的预测结果与人类主观感知的一致性较好，并且时间复杂度较低，普适性与鲁棒性良好。

公开(公告)号：CN111968073A

公开(公告)日：2020-11-20

申请号：CN202010644429.X

申请日：2020-07-07

Applicant: 南昌大学

Inventor： 李春泉 ,  肖典

IPC: G06T7/00 ,  G06T7/13 ,  G06N3/04 ,  G06T5/40

Abstract: 本发明公开了一种基于纹理信息统计的无参考图像质量评价方法，该方法是一种通用型无参考图像质量评价方法。首先使用Scharr算子对图像进行滤波，提取图像边缘信息，得到梯度图像；然后使用完全局部二值模式(Complete Local Binary Patterns,CLBP)处理所得到的梯度图像，得到梯度CLBP图(GCLBP)；接着将梯度图像的幅值作为权重，并且结合GCLBP图，提取梯度幅值权重GCLBP直方图；最后将归一化的梯度幅值权重GCLBP直方图作为特征，使用SVR将其映射为图像分数。本发明对图像的预测结果与人类主观感知的一致性较好，并且时间复杂度较低，普适性与鲁棒性良好。

公开(公告)号：CN110503632B

公开(公告)日：2022-08-09

申请号：CN201910684257.6

申请日：2019-07-26

Applicant: 南昌大学

Inventor： 李春泉 ,  肖典 ,  罗族

IPC: G06T7/00 ,  G06N3/00 ,  G06N20/10

Abstract: 本发明公开了一种盲图像质量评价算法中SVR参数优化方法，包括以下步骤：步骤1：采集数据，对数据进行5折交叉验证，选择SVR中影响预测性能的参数作为待优化参数；步骤2：将选定的待优化参数作为粒子在当前位置的相应维度值，使用5折交叉验证得到5个均方根误差，并将5个RMSE的中值作为粒子在当前位置的适应度值；步骤3：初始化所改进ABC算法的相关参数；步骤4：对粒子进行评估，计算粒子当前位置对应的适应度值；步骤5：如果满足停止条件，结束参数寻优过程，输出待优化参数的最优组合；否则，返回步骤4继续执行寻优过程，直到满足停止条件为止。

公开(公告)号：CN110503632A

公开(公告)日：2019-11-26

申请号：CN201910684257.6

申请日：2019-07-26

Applicant: 南昌大学

Inventor： 李春泉 ,  肖典 ,  罗族

IPC: G06T7/00 ,  G06N3/00 ,  G06N20/10

Abstract: 本发明公开了一种盲图像质量评价算法中SVR参数优化方法，包括以下步骤：步骤1：采集数据，对数据进行5折交叉验证，选择SVR中影响预测性能的参数作为待优化参数；步骤2：将选定的待优化参数作为粒子在当前位置的相应维度值，使用5折交叉验证得到5个均方根误差，并将5个RMSE的中值作为粒子在当前位置的适应度值；步骤3：初始化所改进ABC算法的相关参数；步骤4：对粒子进行评估，计算粒子当前位置对应的适应度值；步骤5：如果满足停止条件，结束参数寻优过程，输出待优化参数的最优组合；否则，返回步骤4继续执行寻优过程，直到满足停止条件为止。