公开(公告)号：CN117152067B

公开(公告)日：2025-02-28

申请号：CN202311025101.X

申请日：2023-08-14

Applicant: 安徽大学

Inventor： 马健 ,  张潇尹 ,  李志鹏 ,  王俊博 ,  刘恋国

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明提供了一种基于深度元学习的无参考光场图像质量评估方法及系统，分别构建包含无参考光场图像质量评估任务的训练集和包含目标评估任务的测试集；构建包含Swin Transformer网络结构的深度元学习模型；基于训练集，学习失真的先验知识，得到质量先验模型；在测试集上对质量先验模型进行微调，得到最终的光场图像质量评估模型；利用光场图像质量评估模型对待评估光场图像进行光场图像质量评估。本发明克服了光场图像的空间和角度信息结合不够导致实验结果与真实结果相差较远以及采用深度学习可能会产生的拟合问题和对各种扭曲的不适应性，适应每一种扭曲类型，性能大大增强。

公开(公告)号：CN119067855A

公开(公告)日：2024-12-03

申请号：CN202411082005.3

申请日：2024-08-08

Applicant: 安徽大学

Inventor： 马健 ,  刘恋国 ,  陈圣 ,  王俊博 ,  徐国明 ,  庞登浩 ,  梁栋 ,  黄林生

IPC: G06T3/4076 ,  G06T3/4046 ,  G06N3/045

Abstract: 本发明涉及图像超分辨领域，本发明公开了一种改进SwinIR全局建模的图像超分辨方法，包括以下步骤：步骤1：浅层特征提取；步骤2：将浅层特征F0作为输入传输到深层特征提取网络HDF(·)，得到深层特征FDF；步骤3：利用残差连接融合浅层和深层特征，并作为上采样重建模块的输入，得到SR网络的最终输出；本发明在SwinIR的位移窗口注意力机制中，额外增加了基于MLP的通道注意力机制，不同于传统的通道注意力方法，我们采用MLP结构，使得所有图片信息均来源于图片本身，最大限度地减少了人为主观因素的干扰，从而提升了重建图像的质量；使用自校准卷积替代了SwinIR中传统卷积，通过自校准卷积使得网络在超分辨过程中使用更多的像素信息。

公开(公告)号：CN117495841A

公开(公告)日：2024-02-02

申请号：CN202311633609.8

申请日：2023-12-01

Applicant: 安徽大学

Inventor： 马健 ,  王俊博 ,  梁栋 ,  黄林生 ,  贾兆红 ,  刘恋国 ,  李志鹏

IPC: G06T7/00 ,  G06N3/0464 ,  G06T7/13

Abstract: 本发明涉及光场图像质量评价领域，本发明公开了一种基于光场解耦的无参考光场图像质量评价方法及系统，包括:利用特殊设计的图像块选择策略，对原始光场图像进行信息筛选和重构，获得质量较高的训练样本；对所述的训练样本利用光场解耦机制，将高纬度的光场图像数据转化为面向神经网络的低纬度输入数据；设计多流卷积神经网络对输入数据进行特征提取，学习光场图像中的空间质量信息、角度质量信息以及空间角度一致性信息；基于融合后的特征信息获得质量预测值；本发明利用解耦思想结合多流卷积神经网络提取光场图像的质量相关特征，对光场图像的质量评价更贴近人眼主观评价，相比其他评价方法，在多个公开数据集上准确度更高。

公开(公告)号：CN117152067A

公开(公告)日：2023-12-01

申请号：CN202311025101.X

申请日：2023-08-14

Applicant: 安徽大学

Inventor： 马健 ,  张潇尹 ,  李志鹏 ,  王俊博 ,  刘恋国

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明提供了一种基于深度元学习的无参考光场图像质量评估方法及系统，分别构建包含无参考光场图像质量评估任务的训练集和包含目标评估任务的测试集；构建包含Swim Transformer网络结构的深度元学习模型；基于训练集，学习失真的先验知识，得到质量先验模型；在测试集上对质量先验模型进行微调，得到最终的光场图像质量评估模型；利用光场图像质量评估模型对待评估光场图像进行光场图像质量评估。本发明克服了光场图像的空间和角度信息结合不够导致实验结果与真实结果相差较远以及采用深度学习可能会产生的拟合问题和对各种扭曲的不适应性，适应每一种扭曲类型，性能大大增强。