公开(公告)号：CN116468722A

公开(公告)日：2023-07-21

申请号：CN202310587482.4

申请日：2023-05-23

Applicant: 重庆邮电大学

Inventor： 林金朝 ,  朱广 ,  高新波 ,  胡波 ,  甘吉 ,  冷佳旭

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明涉及一种基于图对比的无参考图像质量评价方法，包括：将组合失真图像对输入图表征生成模型生成初始特征图；将初始特征图输入正负失真对比样本生成模型生成正例失真关系图结构和负例失真关系图结构；将正例失真关系图结构和负例失真关系图结构分别输入对比学习编码器模型得到正样本特征向量和负样本特征向量；计算对比损失函数；将正例失真关系图结构和负例失真关系图结构中的嵌入节点进行分离，将节点的特征信息分别输入失真类型预测模型计算预测损失函数；对对比损失函数和预测损失函数进行交替性优化，将节点的特征信息输入训练好的质量分数回归模型输出对应的质量评价分数。

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。