公开(公告)号：CN108765366B

公开(公告)日：2021-11-02

申请号：CN201810289172.3

申请日：2018-03-30

Applicant: 重庆邮电大学

Inventor： 陈勇 ,  吴明明 ,  刘焕淋 ,  朱凯欣

IPC: G06T7/00 ,  G06T7/90 ,  G06K9/62

Abstract: 本发明涉及一种基于自主学习的无参考彩色图像质量评价方法，属于图像处理领域。该方法包括：首先，利用四元数理论将训练集中的彩色图像用四元数矩阵表示；其次，对训练图像进行分块并利用人眼视觉感知求得图像块的局部特征；然后，利用自主学习策略构建图像字典，将最具代表性的图像块作为字典的原子；最后，将待评价彩色图像进行相同的预处理后，计算待评价图像与图像字典之间的最大相似性，通过支持向量回归分析得到最终的质量评价分数，并实时更新图像字典。本发明充分考虑了图像字典中字典原子的代表性和自主学习能力，能够同时对不同失真种类的图像进行评价，且评价结果与主观评价趋于一致。

公开(公告)号：CN110517308A

公开(公告)日：2019-11-29

申请号：CN201910632969.3

申请日：2019-07-12

Applicant: 重庆邮电大学

Inventor： 陈勇 ,  朱凯欣 ,  刘焕淋

IPC: G06T7/593

Abstract: 本发明涉及一种无参考非对称失真立体图像质量评价方法，包括以下步骤：首先，根据双目视觉特性判别不同的双目组合行为，并构建相应的独眼图，而非使用固定的独眼图模拟不同的双目组合行为。然后，在左右视图及独眼图上分别提取单目和双目视觉特征。另外，为准确度量立体图像的深度信息，本发明在加权视差图和左右视图相关性图上，提取能够反映水平深度和纵向深度信息的质量感知特征。最后，通过训练极限学习机(Extreme Learning Machine,ELM)算法，构建从立体图像质量感知特征域到质量分数域的映射关系模型。

公开(公告)号：CN108765366A

公开(公告)日：2018-11-06

申请号：CN201810289172.3

申请日：2018-03-30

Applicant: 重庆邮电大学

Inventor： 陈勇 ,  吴明明 ,  刘焕淋 ,  朱凯欣

IPC: G06T7/00 ,  G06T7/90

CPC classification number: G06T7/0002 ,  G06T7/90 ,  G06T2207/10024 ,  G06T2207/20081 ,  G06T2207/30168

Abstract: 本发明涉及一种基于自主学习的无参考彩色图像质量评价方法，属于图像处理领域。该方法包括：首先，利用四元数理论将训练集中的彩色图像用四元数矩阵表示；其次，对训练图像进行分块并利用人眼视觉感知求得图像块的局部特征；然后，利用自主学习策略构建图像字典，将最具代表性的图像块作为字典的原子；最后，将待评价彩色图像进行相同的预处理后，计算待评价图像与图像字典之间的最大相似性，通过支持向量回归分析得到最终的质量评价分数，并实时更新图像字典。本发明充分考虑了图像字典中字典原子的代表性和自主学习能力，能够同时对不同失真种类的图像进行评价，且评价结果与主观评价趋于一致。