一种基于多层次特征复用的图像质量评价方法及系统
摘要文本
本发明公开了一种基于多层次特征复用的图像质量评价方法及系统，首先将输入图像进行预处理，得到若干输入图像块；然后将图像块输入多层次特征复用网络中，得到整体质量分数；多层次特征复用网络包括浅层特征提取模块、深层特征提取模块、空间注意力模块、线性加权回归模块；浅层特征提取模块包括一个Riesz变换层和一个残差连接单元；深层特征提取模块包括一个卷积神经网络S和一个残差连接单元；空间注意力模块包括一个卷积神经网络W和一个残差连接单元；线性加权回归模块包括两个线性层、一个归一化层、和一个加权求和单元。本发明提高所提取特征的利用效率，从而使模型的质量评价既能反映图像的客观失真程度，又能符合人眼的主观感知。
申请人信息
- 申请人:武汉大学
- 申请人地址:430072 湖北省武汉市武昌区八一路299号
- 发明人: 武汉大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于多层次特征复用的图像质量评价方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311556027.4 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117456339A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06V10/98 |
| 权利人 | 武汉大学 |
| 发明人 | 归子涵; 刘瑨玮; 袁程浩; 杨光义; 贺威 |
| 地址 | 湖北省武汉市武昌区珞珈山武汉大学 |
专利主权项内容
1.一种基于多层次特征复用的图像质量评价方法，其特征在于，包括以下步骤：步骤1，对输入图像I进行预处理，得到若干图像块I，n为图像块的索引；n步骤2，将预处理后的图像块I输入多层次特征复用网络，得到整体质量分数；n所述多层次特征复用网络，包括浅层特征提取模块、深层特征提取模块、空间注意力模块、线性加权回归模块；所述浅层特征提取模块，包括一个Riesz变换层和一个残差连接单元，其中，残差连接单元的两端为输入图像块I的原始信息与Riesz变换层的输出，称为第一特征；n所述深层特征提取模块，包括一个卷积神经网络S和一个残差连接单元，其中，卷积神经网络的输入通道数为输入特征维度，输出通道数为输出特征维度，残差连接单元的两端为输入的第一特征与卷积神经网络S的输出，称为第二特征；所述空间注意力模块，包括一个卷积神经网络W和一个残差连接单元，其中，卷积神经网络W的输入通道为输入特征维度，输出通道为输出特征维度，残差连接单元的两端为输入图像块I的原始信息和卷积神经网络W的输出；n所述线性加权回归模块，包括两个线性层、一个归一化层、和一个加权求和单元，其中，线性层的输入通道数均为特征维度，输出通道数为图像块个数；空间注意力模块输出的特征经过线性层和归一化层的处理得到局部注意力权重，深层特征提取模块输出的特征直接经过一个线性层得到局部质量分数，局部注意力权重和局部质量分数通过加权求和单元处理得到整体质量分数。。马-克-数据