-
公开(公告)号：CN112767386B
公开(公告)日：2022-09-06
申请号：CN202110134073.X
申请日：2021-02-01
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于主题特征和评分分布的图像美学质量评价方法及系统。该方法包括：将美学图像数据集中的数据进行预处理，划分为训练集与测试集，并为训练集中的每个图像创建对应的主题；设计图像主题特征分类网络、图像美学评分分布预测网络，并训练图像主题分类模型、美学评分分布预测模型；设计图像主题特征分类与美学评分分布预测的多任务网络，将图像主题分类模型与美学评分分布预测模型通过层特征融合连接起来，并训练多任务模型；将图像输入到多任务模型，输出对应的美学评分分布与主题特征，最后计算美学评分分布的平均值作为图像美学质量分数。本发明能同时进行图像的主题特征预测与美学评分分布预测，并提高图像美学质量评估算法性能。
-
公开(公告)号：CN114897884A
公开(公告)日：2022-08-12
申请号：CN202210684718.1
申请日：2022-06-17
Applicant: 福州大学
Abstract: 本发明提出一种基于多尺度边缘特征融合的无参考屏幕内容图像质量评估方法，首先，对失真屏幕内容图像数据集中的数据进行数据预处理；训练基于多尺度边缘特征融合的图像质量评分预测网络，得到无参考屏幕内容图像质量评分预测模型；所述基于多尺度边缘特征融合的图像质量评分预测网络使用支持双源输入的孪生网络对输入的失真图像和对应的边缘结构图进行多尺度特征提取和特征融合；再使用Transformer编码器模块以形成不同尺度特征的全局信息表示；最后将失真图像和对应的边缘结构图输入，输出失真图像的质量评估分数。从而有效提高无参考屏幕内容图像质量评估模型的性能。
-
公开(公告)号：CN111951207A
公开(公告)日：2020-11-17
申请号：CN202010861879.4
申请日：2020-08-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度增强学习和语义损失的图像质量增强方法，步骤S1：构造两种数据集，分别为单一程度单一失真类型数据集和不同程度混合失真类型的数据集；步骤S2：设计一种卷积神经网络模型和一个深度增强学习网络，并为深度增强学习网络设计一种包含综合失真损失和语义损失的损失函数；训练深度增强学习网络，得到训练好的图像质量增强模型；步骤S3：将待测的失真图像划分为图像块，利用训练好的图像质量增强模型恢复待测失真图像的质量，得到最终的图像质量增强结果。本发明利用预训练好的应对单一失真类型的工具集合，通过找出使恢复结果最佳的工具及其使用顺序，最终显著增强混合失真类型图像的质量。
-
公开(公告)号：CN115908979B
公开(公告)日：2025-05-09
申请号：CN202211503996.9
申请日：2022-11-28
Applicant: 福州大学
IPC: G06V10/774 , G06V10/80 , G06F18/214 , G06F18/25
Abstract: 本发明提出一种融合场景特征和多模态注意力机制的图像美学质量评价方法及系统，包括以下步骤：步骤S1：将美学图像数据集中的数据进行数据预处理，提取得到美学图像所对应评论的文本特征；步骤S2：训练融合场景特征和多模态注意力机制的图像美学评分分布预测模型；所述图像美学评分分布预测模型由融合场景特征和多模态注意力机制的图像美学质量评价网络训练获得，包括层次图像特征融合模块、融合文本特征和图像特征的多模态注意力机制模块；步骤S3：将图像输入到训练好的融合场景特征和多模态注意力机制的图像美学质量评分分布预测模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数。
-
公开(公告)号：CN114897884B
公开(公告)日：2024-12-20
申请号：CN202210684718.1
申请日：2022-06-17
Applicant: 福州大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提出一种基于多尺度边缘特征融合的无参考屏幕内容图像质量评估方法，首先，对失真屏幕内容图像数据集中的数据进行数据预处理；训练基于多尺度边缘特征融合的图像质量评分预测网络，得到无参考屏幕内容图像质量评分预测模型；所述基于多尺度边缘特征融合的图像质量评分预测网络使用支持双源输入的孪生网络对输入的失真图像和对应的边缘结构图进行多尺度特征提取和特征融合；再使用Transformer编码器模块以形成不同尺度特征的全局信息表示；最后将失真图像和对应的边缘结构图输入，输出失真图像的质量评估分数。从而有效提高无参考屏幕内容图像质量评估模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN112767386A
公开(公告)日：2021-05-07
申请号：CN202110134073.X
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于主题特征和评分分布的图像美学质量评价方法及系统。该方法包括：将美学图像数据集中的数据进行预处理，划分为训练集与测试集，并为训练集中的每个图像创建对应的主题；设计图像主题特征分类网络、图像美学评分分布预测网络，并训练图像主题分类模型、美学评分分布预测模型；设计图像主题特征分类与美学评分分布预测的多任务网络，将图像主题分类模型与美学评分分布预测模型通过层特征融合连接起来，并训练多任务模型；将图像输入到多任务模型，输出对应的美学评分分布与主题特征，最后计算美学评分分布的平均值作为图像美学质量分数。本发明能同时进行图像的主题特征预测与美学评分分布预测，并提高图像美学质量评估算法性能。
-
公开(公告)号：CN108549872A
公开(公告)日：2018-09-18
申请号：CN201810342794.8
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种适用于重定向图像质量评估的视觉注意融合方法，包括以下步骤：1、读取原始图像，使用两种显著物体检测算法生成两种显著性图；2、使用均衡化操作减小两种显著性图的分布差异，生成两幅均衡化显著性图；3、使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，经归一化操作生成融合显著性图；4、检测原始图像中的人脸和线条信息；5、在约束放大极值的条件下，自适应地放大融合显著性图中的人脸矩形框和线条区域的显著性值，生成包含人脸和线条信息的融合显著性图；6、使用显著性增强模型增加融合显著性图的对比度，经归一化操作生成视觉注意融合显著性图。该方法能够提高客观质量评估结果与主观感知的一致性。
-
公开(公告)号：CN115908979A
公开(公告)日：2023-04-04
申请号：CN202211503996.9
申请日：2022-11-28
Applicant: 福州大学
IPC: G06V10/774 , G06V10/80 , G06F18/214 , G06F18/25
Abstract: 本发明提出一种融合场景特征和多模态注意力机制的图像美学质量评价方法及系统，包括以下步骤：步骤S1：将美学图像数据集中的数据进行数据预处理，提取得到美学图像所对应评论的文本特征；步骤S2：训练融合场景特征和多模态注意力机制的图像美学评分分布预测模型；所述图像美学评分分布预测模型由融合场景特征和多模态注意力机制的图像美学质量评价网络训练获得，包括层次图像特征融合模块、融合文本特征和图像特征的多模态注意力机制模块；步骤S3：将图像输入到训练好的融合场景特征和多模态注意力机制的图像美学质量评分分布预测模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数。
-
公开(公告)号：CN115205148A
公开(公告)日：2022-10-18
申请号：CN202210831760.1
申请日：2022-07-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于双路径残差网络的图像去模糊方法，包括以下步骤：步骤A、获取模糊图像和干净图像并预处理，得到模糊图像块和对应干净图像块组成的训练图像块数据集；步骤B、基于双路径残差网络构建去模糊网络模型；步骤C、基于训练图像块数据集，根据预设目标损失函数loss，利用反向传播方法计算去模糊网络模型中各参数的梯度，并利用随机梯度下降方法更新参数，最终学习到图像去模糊网络的最优参数，得到最终的去模糊网络模型；步骤D、将待测图像输入到最终的去模糊网络模型中，预测生成去除模糊之后的干净图像。本发明实现去除图像模糊的同时保留更多的图像高频细节，重建出高质量的清晰图像。
-
公开(公告)号：CN109461128B
公开(公告)日：2021-09-28
申请号：CN201811235870.1
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度保持的结构一致立体图像颜色校正方法，首先利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；然后利用结构相似性算法生成匹配图像和目标图像的置信度图，对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；最后利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像。本发明解决了局部颜色校正算法的结构一致问题和全局颜色校正算的区域颜色混乱问题，而且还保留了图像的梯度信息，提升了图像的保真度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
