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：重庆邮电大学

摘要：本发明属于计算机视觉领域，具体涉及一种基于多层次差异学习的图像恢复质量评价方法，该方法包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行分类保存；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；本发明所提方法并不是只对恢复后的图像进行质量评估，而是能够量化失真恢复图像对之间的感知差异值，使得对恢复图像进行预测更加可靠和有效。

主权项：1.一种基于多层次差异学习的图像恢复质量评价方法，其特征在于，包括：获取待评价的恢复图像，将恢复图像输入到训练好的基于多层次差异学习的图像恢复质量评价模型中，得到质量评价结果；根据质量评价结果对该图像进行标记，选用标记图像的图像恢复方法对其他待恢复图像进行恢复；其中基于多层次差异学习的图像恢复质量评价模型包括多层差异生成子网络和感知差异回归子网络；对基于多层次差异学习的图像恢复质量评价模型进行训练的过程包括：S1：构建大规模图像质量数据集，采用FR-IQA的方法对数据集中的图像生成标签，并将同一视觉场景下的失真图像与恢复图像进行配对，形成DRI图像对；将所有的DRI图像对进行集合，得到训练集；S2：将训练集中的DRI图像对输入到多层差异生成子网络中，得到图像的质量感知特征；采用多层差异生成子网络对输入的图像进行处理的过程包括：多层差异生成子网络由三个卷积块组成，每个卷积块包括三个卷积层；将DRI图像对输入到第一卷积块中进行特征提取，得到第一特征图；将第一特征图输入到注意力引导差异融合模块中，得到第一特征编码向量；将第一特征图经过最大池化操作后输入到第二卷积块中，得到第二特征图，将第二特征图输入到注意力引导差异融合模块中，得到第二特征编码向量；将第二特征图经过最大池化操作后输入到第三卷积块中，得到第三特征图，将第三特征图输入到注意力引导差异融合模块中，得到第三特征编码向量；将第一特征编码向量、第二特征编码向量以及第三特征编码向量经过最大池化操作后，得到三个质量感知特征；注意力引导差异融合模块对输入的特征进行处理的过程包括：获取恢复图像特征图和失真图像特征图根据和计算DRI对特征映射的空间差异特征将以及在通道维度上进行拼接，将拼接后的融合特征输入到空间注意力以及通道注意力模块中进行加权；采用空间金字塔池化模块对加权后的融合特征进行处理，得到差异特征，该差异特征为特征编码向量；S3：将质量感知特征输入到感知差异回归子网络，得到输入DRI图像对的RPD值；采用感知差异回归子网络对质量感知特征进行处理的过程包括：将多层次差异生成子网络生成的三个质量感知特征输入到全连接层中进行特征映射，得到恢复图像和失真图像中的相对差异分数；S4：根据输入DRI图像对的RPD值计算模型的损失函数；S5：不断调整模型的参数，当损失函数最小时完成模型的训练。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于多层次差异学习的图像恢复质量评价方法