-
公开(公告)号：CN116128807B
公开(公告)日：2025-05-09
申请号：CN202211554537.3
申请日：2022-12-05
Applicant: 福州大学
IPC: G06T7/00 , G06T5/50 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于多尺度特征融合的无参考图像质量评价方法，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理；步骤S2：设计多尺度特征融合模块；步骤S3：设计通道注意力模块；步骤S4：设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；步骤S5：将图像输入到训练好的基于多尺度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数。该算法能有效的融合多尺度图像的特征，且不用对原图做裁切或改变其原始比例，并进行图像质量评分分数预测，提高无参考图像质量评估算法的性能。
-
公开(公告)号：CN116342569A
公开(公告)日：2023-06-27
申请号：CN202310347918.2
申请日：2023-04-04
Applicant: 福州大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于构图感知的图像美学质量评价方法，包括以下步骤；步骤S1：将图像美学质量评价数据集和图像构图质量评价数据集处理后的数据形成美学质量评价训练集与美学质量评价测试集、构图质量评价训练集与构图质量评价测试集；步骤S2：设计金字塔式多尺度特征融合模块；步骤S3：设计图像构图质量评价网络，训练得到图像构图质量评价模型；步骤S4：设计图像美学质量评价网络，训练得到图像美学质量评价模型；步骤S5：将美学质量评价测试集中的图像输入到图像美学质量评价模型中，输出对应的评分分布，计算平均值作为图像美学质量分数；本发明能有效地借助图像中的构图信息来辅助实现图像美学评价，进一步提高图像美学质量评价算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN114742774A
公开(公告)日：2022-07-12
申请号：CN202210326356.9
申请日：2022-03-30
Applicant: 福州大学
Abstract: 本发明涉及一种融合局部和全局特征的无参考图像质量评价方法及系统，该方法包括以下步骤：步骤S1：对失真图像数据集中的图像进行数据预处理，并将数据集划分为训练集与测试集；步骤S2：构建全局及局部图像坐标提取模块；步骤S3：构建时间注意力机制模块；步骤S4：构建融合局部和全局图像特征的无参考图像质量评价网络，并采用训练集训练所述无参考图像质量评价网络；步骤S5：将测试集中图像输入到训练好的无参考图像质量评价网络模型中，输出对应的图像质量评价结果。该方法及系统有利于提高无参考图像质量评价的准确性。
-
公开(公告)号：CN115937121A
公开(公告)日：2023-04-07
申请号：CN202211513003.6
申请日：2022-11-28
Applicant: 福州大学
IPC: G06T7/00 , G06V10/774 , G06V10/80
Abstract: 本发明提出一种基于多维度特征融合的无参考图像质量评价方法及系统，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理：首先将数据进行配对处理，接着对其做数据增强，并将数据集划分为训练集与测试集；步骤S2：训练获得基于多维度特征融合的无参考图像质量评分预测网络模型；训练过程基于基于多维度特征融合的无参考图像质量评分预测网络，至少包括：全局特征提取子网络、多尺度特征融合模块、多维度特征融合模块和局部注意力模块；步骤S3：将待测图像输入到训练好的基于多维度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数。
-
公开(公告)号：CN114742774B
公开(公告)日：2024-09-06
申请号：CN202210326356.9
申请日：2022-03-30
Applicant: 福州大学
Abstract: 本发明涉及一种融合局部和全局特征的无参考图像质量评价方法及系统，该方法包括以下步骤：步骤S1：对失真图像数据集中的图像进行数据预处理，并将数据集划分为训练集与测试集；步骤S2：构建全局及局部图像坐标提取模块；步骤S3：构建时间注意力机制模块；步骤S4：构建融合局部和全局图像特征的无参考图像质量评价网络，并采用训练集训练所述无参考图像质量评价网络；步骤S5：将测试集中图像输入到训练好的无参考图像质量评价网络模型中，输出对应的图像质量评价结果。该方法及系统有利于提高无参考图像质量评价的准确性。
-
公开(公告)号：CN116342569B
公开(公告)日：2025-05-16
申请号：CN202310347918.2
申请日：2023-04-04
Applicant: 福州大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于构图感知的图像美学质量评价方法，包括以下步骤；步骤S1：将图像美学质量评价数据集和图像构图质量评价数据集处理后的数据形成美学质量评价训练集与美学质量评价测试集、构图质量评价训练集与构图质量评价测试集；步骤S2：设计金字塔式多尺度特征融合模块；步骤S3：设计图像构图质量评价网络，训练得到图像构图质量评价模型；步骤S4：设计图像美学质量评价网络，训练得到图像美学质量评价模型；步骤S5：将美学质量评价测试集中的图像输入到图像美学质量评价模型中，输出对应的评分分布，计算平均值作为图像美学质量分数；本发明能有效地借助图像中的构图信息来辅助实现图像美学评价，进一步提高图像美学质量评价算法的性能。
-
公开(公告)号：CN116128807A
公开(公告)日：2023-05-16
申请号：CN202211554537.3
申请日：2022-12-05
Applicant: 福州大学
IPC: G06T7/00 , G06T5/50 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于多尺度特征融合的无参考图像质量评价方法，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理；步骤S2：设计多尺度特征融合模块；步骤S3：设计通道注意力模块；步骤S4：设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；步骤S5：将图像输入到训练好的基于多尺度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数。该算法能有效的融合多尺度图像的特征，且不用对原图做裁切或改变其原始比例，并进行图像质量评分分数预测，提高无参考图像质量评估算法的性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
