[发明专利]基于元学习的无参考图像质量数据处理方法、智能终端在审
| 申请号： | 201910844666.8 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110728656A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 李雷达;祝汉城;吴金建;石光明 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 61227 西安长和专利代理有限公司 | 代理人： | 李霞 |
| 地址： | 710071 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理和计算机视觉技术领域，公开了一种基于元学习的无参考图像质量数据处理方法、智能终端，对模拟失真的图像数据库中的图像质量按照失真类型划分成不同的任务，并把每个任务的训练数据分成支持集和查询集；利用每个任务对构造的深度卷积神经网络进行从支持集数据到查询集数据的两级梯度优化方式获取图像质量评价的先验模型；划分真实失真的图像数据库为训练集和测试集，利用训练集数据对建立的先验模型进行微调训练获取真实失真图像的质量评价模型；对于测试集中待测试的图像，利用已建立的真实失真图像的质量评价模型，自动实现图像的无参考质量评价。本发明方法性能比目前主流的无参考图像质量评价方法的性能更好。 | ||
| 搜索关键词： | 质量评价模型 图像数据库 无参考图像 失真图像 先验模型 质量评价 查询集 图像 计算机视觉技术 卷积神经网络 图像质量评价 质量数据处理 训练集数据 测试 方式获取 失真类型 梯度优化 图像处理 训练数据 智能终端 自动实现 测试集 训练集 两级 微调 参考 主流 学习 | ||
【主权项】：
1.一种基于元学习的无参考图像质量数据处理方法，其特征在于，所述基于元学习的无参考图像质量数据处理方法包括以下步骤：/n第一步，包含大量模拟失真的图像质量评价数据集按照失真类型划分成不同的任务；/n第二步，每个失真类型的质量评价任务的数据集划分成支持集和查询集，并对图像数据进行预处理；/n第三步，构建深度卷积神经网络作为待训练的图像质量评价模型；/n第四步，将预处理后的图像数据和质量分数输入到构建的网络模型中进行基于梯度优化的元学习方式训练，得到质量评价先验模型；/n第五步，把真实失真的图像质量评价数据库划分成训练集和测试集，利用预处理后的训练图像以及对应质量分数对获取得到的质量评价先验模型进行微调训练得到符合真实失真图像的质量评价模型；/n第六步，对于测试集中待测试的图像，利用已建立的图像质量评价模型，自动实现对真实失真图像的质量评价。/n
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西安电子科技大学，未经西安电子科技大学许可，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/201910844666.8/，转载请声明来源钻瓜专利网。
