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：本发明公开了一种基于可逆流形排序优化的无参考图像质量评价方法，主要解决现在技术不能有效捕捉图像内容的全局依赖关系，且图片评分主客观一致性差的问题。其实现方案为:从公开网站上获取L幅RGB图像及每幅图像的主观质量分数标签组成训练集和测试集；构建包括特征提取模块、多轴MLP模块、可逆流形模块、排序优化模块的无参考图像质量评价模型，并设定其损失函数；将训练集输入该图像质量评价模型中通过反向传播进行模型参数的迭代更新；将测试图像输入到训练好的图像质量评价模型中，得到每个测试样本的质量预测分数。本发明能有效捕捉图像内容的全局依赖关系，提高了图像质量评分的准确性与主客观一致性，可用于影音娱乐、医疗影像、航空遥感场景。

主权项：1.一种基于可逆流形排序优化的无参考图像质量评价方法，其特征在于，包括如下：1获取训练集和测试集：获取L幅维度为W×H×C的RGB图像及每幅图像Ii的主观质量分数标签Si，并将M幅RGB图像及其对应的主观质量分数标签组成训练样本集TM＝{Im，Sm|1≤m≤M}；将剩余的N幅RGB图像及及其对应的主观质量分数标签组成测试样本集TN＝{In，Sn|1≤n≤N}，其中，L≥1000，W、H和C分别表示RGB图像的宽度、高度和通道数，W≥224,H≥224，C≥3，M+N＝L；2构建无参考图像质量评价模型：2a建立由图像块嵌入与位置编码子模块和Transformer编码器级联组成的图像特征提取模块R；2b建立包括门控多层感知器和残差通道注意力单元连接组成的多轴MLP模块D；2c建立包括多个可逆变换层的可逆流形模块T；2d建立用于在流形空间进行排序的排序优化模块P；2e将特征提取模块R与多轴MLP模块D连接，组成第一条支路G1；将特征提取模块R与可逆流形模块T和排序优化模块P级联，组成第二条支路G2；将两条支路并联构成无参考图像质量评价模型；2f设定图像质量评价模型的损失函数为：Loss＝λ1L1+λ2Lrankap+λ3Lflow其中，λ1是预测损失函数的权重，L1是绝对值损失函数；λ2是排序优化模块损失函数的权重，Lrankap是排序优化模块的约束损失；λ3是可逆流形转换损失函数的权重，Lflow是可逆流形转换的约束损失；3对步骤2构建的无参考图像质量评价模型进行训练：3a设置当前网络模型Gk的权值参数为θk，最大迭代次数为M＞32，初始化迭代次数为k；3b从训练数据中无放回的随机取出B张图片，作为当前无参考图像质量评价模型的输入样本，进行前向推理，得到每个训练样本的质量预测分数及度量B个输入图片的排序关系；3c根据每个训练样本的质量预测分数计算得到损失函数中的绝对值损失L1、排序优化模块R的损失函数值Lrankap、可逆流形模块T的损失函数值Lflow；3d计算图像质量评价模型损失函数Loss的梯度信息，对网络模型Gk的权值参数θk进行更新，得到本次迭代的网络模型Gk；3e判断k＝M是否成立：若成立，则得到训练好的无参考图像质量评价模型G*；否则，令k＝k+1，返回步骤3b；3f将测试样本集TN输入到训练好的无参考图像质量评价模型G*，进行前向推理，得到每个测试样本的质量预测分数SN，完成对无参考图像的质量评价。

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 基于可逆流形排序优化的无参考图像质量评价方法