[發(fā)明專利]一種基于先驗(yàn)感知質(zhì)量特征圖的無參考圖像質(zhì)量客觀評(píng)價(jià)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201711488518.4 | 申請(qǐng)日: | 2017-12-30 |
| 公開(公告)號(hào): | CN108074239B | 公開(公告)日: | 2021-12-17 |
| 發(fā)明(設(shè)計(jì))人: | 史萍;潘達(dá);侯明;應(yīng)澤峰;韓明良;傅思喆 | 申請(qǐng)(專利權(quán))人: | 中國傳媒大學(xué) |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00 |
| 代理公司: | 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203 | 代理人: | 沈波 |
| 地址: | 100024 *** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 先驗(yàn) 感知 質(zhì)量 特征 參考 圖像 客觀 評(píng)價(jià) 方法 | ||
1.一種基于先驗(yàn)感知質(zhì)量特征圖的無參考圖像質(zhì)量客觀評(píng)價(jià)方法,其特征在于:該方法包括以下步驟,
步驟1,生成先驗(yàn)感知質(zhì)量特征圖像庫;
選取失真圖像數(shù)據(jù)庫,由每一張失真圖像和其參考圖像運(yùn)用全參考圖像質(zhì)量評(píng)價(jià)方法FSIM生成失真梯度信息圖FSIMg,由所有失真圖像的FSIMg作為先驗(yàn)感知質(zhì)量特征圖像庫;
步驟2,訓(xùn)練感知質(zhì)量特征圖生成網(wǎng)絡(luò);
由失真圖像數(shù)據(jù)庫中的失真圖像和生成的感知質(zhì)量特征圖像庫作為訓(xùn)練數(shù)據(jù),訓(xùn)練一個(gè)基于U-Net的全卷積感知質(zhì)量特征圖生成網(wǎng)絡(luò);所述感知質(zhì)量特征圖生成網(wǎng)絡(luò)是一種基于U-Net結(jié)構(gòu)的全卷積網(wǎng)絡(luò),感知質(zhì)量特征圖生成網(wǎng)絡(luò)的輸入為一張三通道的彩色圖;感知質(zhì)量特征圖生成網(wǎng)絡(luò)的輸出為一張與輸入等大的灰度圖;
步驟3,訓(xùn)練分?jǐn)?shù)池化網(wǎng)絡(luò);
由感知質(zhì)量特征圖生成網(wǎng)絡(luò)的輸出圖作為訓(xùn)練分?jǐn)?shù)池化網(wǎng)絡(luò)的輸入,圖像主觀失真分?jǐn)?shù)作為標(biāo)簽,訓(xùn)練分?jǐn)?shù)池化網(wǎng)絡(luò);所述分?jǐn)?shù)池化網(wǎng)絡(luò)由五層卷積層和兩層全連接層組成,分?jǐn)?shù)池化網(wǎng)絡(luò)的輸入為一大小為144×144的單通道圖像,分?jǐn)?shù)池化網(wǎng)絡(luò)的輸出為一0到100間的分?jǐn)?shù);
步驟4,對(duì)待預(yù)測(cè)失真圖像進(jìn)行無參考質(zhì)量客觀評(píng)價(jià);
將待預(yù)測(cè)失真圖像輸入感知質(zhì)量特征圖生成網(wǎng)絡(luò),得到相感知質(zhì)量特征圖和預(yù)測(cè)主觀評(píng)價(jià)分?jǐn)?shù)。
2.根據(jù)權(quán)利要求1所述的一種基于先驗(yàn)感知質(zhì)量特征圖的無參考圖像質(zhì)量客觀評(píng)價(jià)方法,其特征在于:訓(xùn)練感知質(zhì)量特征圖生成網(wǎng)絡(luò)的步驟如下:
步驟2.1,將失真圖像數(shù)據(jù)庫每一張失真圖像和其對(duì)應(yīng)的感知質(zhì)量特征圖按行列每隔120像素剪裁144×144大小的失真圖像塊;
步驟2.2,搭建基于U-Net的全卷積感知質(zhì)量特征圖生成網(wǎng)絡(luò);
步驟2.3,將步驟2.1中剪裁好的失真圖像塊作為基于U-Net的全卷積感知質(zhì)量特征圖生成網(wǎng)絡(luò)的輸入,對(duì)應(yīng)的感知質(zhì)量特征圖作為標(biāo)簽,采用邏輯斯蒂回歸對(duì)感知質(zhì)量特征圖生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
3.根據(jù)權(quán)利要求1所述的一種基于先驗(yàn)感知質(zhì)量特征圖的無參考圖像質(zhì)量客觀評(píng)價(jià)方法,其特征在于:步驟3中包括,步驟3.1,搭建分?jǐn)?shù)池化網(wǎng)絡(luò),將分?jǐn)?shù)池化接在感知質(zhì)量特征圖生成網(wǎng)絡(luò)邏輯斯蒂回歸輸出層之后;
步驟3.2,訓(xùn)練分?jǐn)?shù)池化網(wǎng)絡(luò);訓(xùn)練時(shí)固定感知質(zhì)量特征圖生成網(wǎng)絡(luò),使分?jǐn)?shù)池化網(wǎng)絡(luò)的輸入為感知質(zhì)量特征圖生成網(wǎng)絡(luò)的輸出,以圖像主觀失真分?jǐn)?shù)為標(biāo)簽,采用線性回歸對(duì)分?jǐn)?shù)池化網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
4.根據(jù)權(quán)利要求1所述的一種基于先驗(yàn)感知質(zhì)量特征圖的無參考圖像質(zhì)量客觀評(píng)價(jià)方法,其特征在于:步驟4中包括,步驟4.1,將待預(yù)測(cè)失真圖像按行列每隔120像素剪裁為一組144×144大小的小塊;
步驟4.2,將每一小塊輸入預(yù)測(cè)網(wǎng)絡(luò)即感知質(zhì)量特征圖生成網(wǎng)絡(luò)+分?jǐn)?shù)池化網(wǎng)絡(luò),網(wǎng)絡(luò)輸出每個(gè)小塊的感知質(zhì)量特征圖和預(yù)測(cè)分?jǐn)?shù);
步驟4.3,將每個(gè)小塊的感知質(zhì)量特征圖拼接,得到待預(yù)測(cè)失真圖像的感知質(zhì)量特征圖;
步驟4.4,將所有個(gè)小塊的預(yù)測(cè)分?jǐn)?shù)平均,得到失真圖質(zhì)量預(yù)測(cè)分?jǐn)?shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國傳媒大學(xué),未經(jīng)中國傳媒大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711488518.4/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 一種基于混合貝葉斯先驗(yàn)分布的可靠性驗(yàn)證測(cè)試方法
- 一種基于注意力先驗(yàn)的胃鏡視頻摘要方法
- 一種先驗(yàn)頻點(diǎn)排序的方法及裝置
- 一種混合相位子波提取方法
- 視頻預(yù)測(cè)方法和裝置、電子設(shè)備及車輛
- 視頻預(yù)測(cè)方法、視頻預(yù)測(cè)裝置、電子設(shè)備和車輛
- 一種應(yīng)用于神經(jīng)網(wǎng)絡(luò)的先驗(yàn)框確定方法及裝置
- 基于先驗(yàn)地圖信息的障礙物檢測(cè)方法、裝置和存儲(chǔ)介質(zhì)
- 處理傳感器信息以供對(duì)象檢測(cè)
- 一種病變圖像的病灶檢測(cè)方法及裝置
- 基于策略的業(yè)務(wù)感知模型及感知方法
- 一種基于分區(qū)感知的無線通信系統(tǒng)頻譜感知方法
- 確定空閑頻段的方法和系統(tǒng)、中心節(jié)點(diǎn)和感知節(jié)點(diǎn)
- 感知無線網(wǎng)絡(luò)的共享協(xié)作頻譜感知方法、感知節(jié)點(diǎn)和匯聚中心
- 感知無線網(wǎng)絡(luò)的協(xié)作頻譜感知方法和感知節(jié)點(diǎn)
- 頻譜感知方法、頻譜感知設(shè)備和數(shù)據(jù)庫
- 基于認(rèn)知數(shù)據(jù)庫和頻譜感知的頻譜共享方法及裝置
- 一種頂層感知限位組
- 一種自動(dòng)駕駛汽車用升降式智能感知模塊
- 感知數(shù)據(jù)獲取方法和裝置





