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：江苏海洋大学

摘要：本发明属于图像处理和图像质量分析技术领域，特别是在存在复杂的混合畸变，缺少高质量的参考图像，且图像之间的感知差异难以测量的环境中；本发明涉及到成对的水下图像质量对比，是基于具有任意内容的水下图像对，不需要参考图像；具体提出了一种不需要参考图像的水下图像质量比较方法，将两幅水下图像质量之间的对比结果采用一种三元分类模型来描述。用改进的Inception和Reduction模块对融合后的两幅图像全局和局部的图像质量特征差进行感知；基于获得的图像间的两两质量比较结果进行累加，可以建立各种不同的水下图像增强方法在不同内容水下图像上应用结果的质量比较排序；本发明不仅仅可以用于水下图像的质量之间的比较，同样适用于其他由于混合畸变导致的难以感知图像差异的场景。

主权项：1.一种不需要参考图像的水下图像质量比较方法，其特征在于所述方法如下：S1:数据集水下图像分类标记将数据集中水下图像进行配对，并分为三类,并将其分别标记为偏好{+1，-1}，{-1，+1}，{0，0}；S2:建立成对水下图像质量对比模型将两幅水下图像，输入到预训练好的InceptionResNetV2模型中提取两幅图像的特征，将提取出来的特征集合到一起，作为下一个CNN-pair模块的输入去学习质量的差异，在CNN-pair模块中利用改进的Inception模块来感知图像对中的全局和局部质量差异，通过Reduction模块对多尺度特征进行缩减，在三层全卷积线性映射后，由Softmax函数对偏好标签进行分类；S3:改进Inception-Reduction模块将图像对的集合特征输入到两个Inception-Reduction模块，以获得不同尺度下的质量差异感知，Inception模块由多个不同大小的卷积核组成，采用卷积层和平均池化Avgpooling操作来提取前一层输出的特征；在Inception和Reduction模块中增加了一个1×1卷积来减小通道数的同时增加模型的非线性；所述S3中Inception模块采用大小为1×1，3×3，5×5卷积层和平均池化Avgpooling操作来提取前一层输出的特征，在Inception和Reduction模块中增加了一个1×1的卷积来减小通道数的同时增加模型的非线性，跟Grid-reduction模块对比，最大池化层被3×3的卷积分支代替，目的是以防在最大化池的过程中质量差特征的损失；S4:训练采用反向传播的方法计算损失函数对所有模型参数的梯度，并采用Adam随机梯度法对参数进行更新，损失函数为模型输出与输入图像对真实标签的交叉熵损失，采用L2正则化项；S5:测试图像对的质量比较结果假设要预测的图像数据集为P，将数据集中的所有图像两两配对，将每一对图像对pi,j的通过本方案所提出的模型进行预测质量对比结果标签；若输出结果为第一类，则对应图像对质量判断结果为{+1，-1}，表示左边上边的图像的质量分数高于右边下边图像的质量分数，且视觉可感知到此差别；若输出结果为第二类，则对应图像对质量判断结果为{-1，+1}，表示左边上边的图像的质量分数低于右边下边图像的质量分数，且视觉可感知到此差别；若输出结果为第三类，则对应图像对的质量判断结果为{0，0}，表示两幅水下图像其相对质量的差别很难被观察者区分。

全文数据：

权利要求：

百度查询： 江苏海洋大学 一种不需要参考图像的水下图像质量比较方法