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：西安电子科技大学;西安电子科技大学青岛计算技术研究院

摘要：本发明提出了一种基于因果配对干预的无参考图像质量评价方法。其步骤为：生成训练集和测试集；对训练集和测试集中的样本进行线性编码；构建特征提取子网络；构建因果推理子网络；构建基于因果配对干预的无参考图像质量评价网络；训练图像质量评价网络；输入待评价图像得到图像质量评价结果；本发明通过构建基于因果配对干预的无参考图像质量评价网络，利用训练好的网络对图像失真和内容对图像质量的映射关系的学习，并根据学习到的映射关系对无参图像质量评价，能够有效的解决无参图像质量评价准确度低的问题，本发明具有泛化能力强，图像评估准确性高的优点。

主权项：1.一种基于因果配对干预的无参考图像质量评价方法，其特征在于，构建一个由层级池化单元与卷积层组串联组成因果推理子网络，使用因果配对损失函数和根据图像质量分数标签的分布特性采样得到的样本训练质量评价网络的因果推理子网络；该无参考图像质量评价方法的步骤如下：步骤1，对训练集中的样本进行线性编码；步骤2，构建一个由ResNet50单元、维度转换单元、全连接层依次串联组成特征提取子网络；将全连接层的输出节点数设置为16；步骤3，构建一个由层级池化单元与卷积层组串联组成因果推理子网络；步骤4，将特征提取子网络与因果推理子网络并联得到基于因果配对干预的无参考图像质量评价网络；步骤5，使用损失函数约束训练基于因果配对干预的无参考图像质量评价网络：步骤5.1，根据图像质量分数标签的分布特性进行采样，得到特殊选择的样本集，并将特殊选择的样本集输入到质量评价网络的因果推理子网络中；步骤5.2，将编码后的训练集输入到质量评价网络的特征提取子网络中；步骤5.3，采用Adam优化器，结合余弦退火学习率调整算法，迭代更新质量评价网络的参数，直到由绝对值损失函数和因果配对损失函数构成的质量评价网络的损失函数收敛为止，得到训练好的质量评价网络；步骤6，输入待评价图像得到图像质量评价结果：采用与步骤1相同的方法，对待评价图像进行处理，将处理后的图像输入到训练好的基于因果配对干预的无参考图像的质量评价网络中，输出图像质量评价分数。

全文数据：

权利要求：

百度查询： 西安电子科技大学 西安电子科技大学青岛计算技术研究院 基于因果配对干预的无参考图像质量评价方法