[发明专利]一种利用多层深度表征进行无参考图像质量预测的方法有效
| 申请号： | 201710962452.1 | 申请日： | 2017-10-16 |
| 公开（公告）号： | CN107743225B | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 俞俊;高飞;孟宣彤 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | H04N17/00 | 分类号： | H04N17/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种利用多层深度表征进行无参考图像质量预测的方法。本发明包括如下步骤：步骤(1)数据预处理：将所有图像缩放到统一的尺寸大小，减去平局值，将二进制数据转换为深度神经网络能识别的数据格式；步骤(2)特征提取及处理：利用一个在ImageNet上训练好的37层VGGnet模型进行特征提取，提取每层特征并进行处理，得到一个列向量；步骤(3)预测分数：将每层特征融合得到的列向量输入支持向量回归模型得到每层特征的预测分数；将各层分数平均值作为整张图片的质量评估分值。本发明提出了一整简单高效的针对图像质量评价的新方法。并且获得了目前在图像质量评价领域中的最好效果。 | ||
| 搜索关键词： | 一种 利用 多层 深度 表征 进行 参考 图像 质量 预测 方法 | ||
【主权项】：
1.一种利用多层深度表征进行无参考图像质量预测的方法,其特征在于包括如下步骤：步骤(1)数据预处理将所有图像缩放到统一的尺寸大小，缩放后的图像中每个像素均减去RGB的平均值，将二进制数据转换为深度神经网络能识别的数据格式；步骤(2)特征提取及处理利用一个在ImageNet上训练好的37层VGGnet模型进行特征提取，提取每层特征并进行处理，得到一个列向量；步骤(3)预测分数将每层特征融合得到的列向量输入支持向量回归模型得到每层特征的预测分数；将各层分数平均值作为整张图片的质量评估分值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710962452.1/，转载请声明来源钻瓜专利网。
- 上一篇：图像写入控制方法、装置及电子设备
- 下一篇：一种监测准确的环境监测系统
