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！

龙图腾网恭喜福州大学申请的专利基于多尺度特征融合的无参考图像质量评价方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116128807B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211554537.3，技术领域涉及：G06T7/00；该发明授权基于多尺度特征融合的无参考图像质量评价方法是由牛玉贞;赖宇;许瑞设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本基于多尺度特征融合的无参考图像质量评价方法在说明书摘要公布了：本发明涉及基于多尺度特征融合的无参考图像质量评价方法，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理；步骤S2：设计多尺度特征融合模块；步骤S3：设计通道注意力模块；步骤S4：设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；步骤S5：将图像输入到训练好的基于多尺度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数。该算法能有效的融合多尺度图像的特征，且不用对原图做裁切或改变其原始比例，并进行图像质量评分分数预测，提高无参考图像质量评估算法的性能。

本发明授权基于多尺度特征融合的无参考图像质量评价方法在权利要求书中公布了：1.基于多尺度特征融合的无参考图像质量评价方法，其特征在于，包括以下步骤：步骤S1：将失真图像数据集中的数据进行数据预处理，首先将数据进行配对处理，接着对其做数据增强，并将数据集划分为训练集与测试集；步骤S2：设计多尺度特征融合模块；步骤S3：设计通道注意力模块；步骤S4：设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；步骤S5：将待测图像输入到训练好的基于多尺度特征融合的无参考图像质量评分预测网络模型中，输出对应的图像质量评分分数；所述步骤S4中，设计基于多尺度特征融合的无参考图像质量评分预测网络，使用所设计的网络训练基于多尺度特征融合的无参考图像质量评分预测网络模型；包括以下步骤：步骤S41：选择ResNet50、ResNet101图像分类网络中的一种网络，去除该网络的最后一层后作为图像特征提取网络，分别提取网络后四个阶段的图像特征；步骤S42：将经过步骤S1的训练集中的某个批次的图像同时输入到S41步骤中的图像特征提取网络中，得到图像特征提取网络的每个阶段的输出Fi，并将Fi输入到步骤S2中所设计的多尺度特征融合模块获得输出Fs，同时F4再经过操作D，记为D5，得到最后将Fs和一同输入到CEncoder，记为CEncoder7，中得到Fg，其维度为c×l；Fg的计算公式为：Fs＝MSFFF1,F2,F3,F4 其中，其中i∈{1,2,3,4}，MSFF*,*,*,*表示多尺度特征融合模块；步骤S43：将步骤S42中获得的Fg，输入到步骤S3中所设计的通道注意力模块，获得局部注意力模块的输出Fchannel；步骤S44：对于步骤S43的输出Fchannel，首先采用Reshape操作，记为Reshape7，改变其维度，由c×l变为P，P＝c×l，接着将Fchannel输入到最后的两层全连接层中，记为MLP4，以此获得最终的图像质量评价分数Fout，表示图像的质量分数，其计算公式为：Fout＝MLP4Reshape7Fchannel步骤S45：基于多尺度特征融合的无参考图像质量评价网络的损失函数如下： 其中，m为同一批次内的样本个数，yi表示图像的真实质量分数，表示图像经过基于多尺度特征融合的无参考图像质量评价网络得到的质量分数；步骤S46：以批次为单位重复上述步骤S42至步骤S45，直至步骤S45中计算得到的损失值收敛并趋于稳定，保存网络参数，完成基于多尺度特征融合的无参考图像质量评价网络的训练过程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。