龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆大学
摘要：本发明公开了一种基于KLT理论和视差补偿的SR图像质量评价方法及系统，获取待预测超分辨率重建图像进行频域滤波并提取中高频域图像作为模型输入；计算每个频域图像通道的协方差向量矩阵并根据KLT内核计算KLT系数矩阵，谱分解并组合得到不同深度的图像细节特征图；将浅层特征图构成图像结构特征经第一回归网络得到图像结构信息质量分数；采用不同深度的卷积神经网络将多级深层特征图分别进行图像特征细化整合，并根据视差补偿的原理分两部分，利用第二和第三回归网络得到左眼和右眼细节特征质量分数；将三个质量分数进行自适应加权得到最终客观评价质量预测分数；本发明在感知图像整体结构的同时，利用左右眼视差补偿原理使客观评价结果贴近人眼感知。
主权项：1.一种基于KLT理论和视差补偿的SR图像质量评价方法，其特征在于，包括以下步骤：S1.获取待预测图像质量的超分辨率重建图像；S2.将超分辨率重建图像进行频域滤波并提取与人眼感知敏感度相关程度更高的中、高频域图像，输入训练好的深度SR图像质量评价网络模型；S3.计算每个频域图像通道的协方差向量矩阵，并根据离线构建的KLT内核计算每个频域图像对应的KLT系数矩阵；S4.对每个频域图像对应的KLT系数矩阵进行谱分解，得到不同谱分量并组合得到不同细化程度的粗粒度图像细节特征图，输入训练好的基于CNN的多尺度特征细化网络进行细化；S5.将表征浅层特征的粗粒度图像细节特征图细化后构成图像结构特征，经过训练好的第一回归网络得到一个单独的图像结构信息质量分数；S6.采用不同深度的卷积神经网络，将表征多级深层特征的粗粒度图像细节特征图分别进行图像特征细化整合，并根据视差补偿的原理随机分成两部分，通过分别模拟左眼和右眼获取图像的处理评价过程，利用训练好的第二和第三回归网络得到左眼和右眼细节特征质量分数；S7.将左眼和右眼细节特征质量分数以及图像结构特征质量分数进行自适应加权得到超分辨率重建图像的最终客观评价质量预测分数。
全文数据：
权利要求：
百度查询： 重庆大学 一种基于KLT理论和视差补偿的SR图像质量评价方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号