[发明专利]基于卷积神经网络的多尺度图像质量检测方法有效
| 申请号： | 201910963764.3 | 申请日： | 2019-10-11 |
| 公开（公告）号： | CN110751632B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 周武杰;林鑫杨;潘思佳;雷景生;何成;王海江 | 申请（专利权）人： | 浙江科技学院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/74;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310023 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： | 本发明公开了一种基于卷积神经网络的多尺度图像质量检测方法。其在训练阶段，构建卷积神经网络，其中有十一个内部网络层，其中有三层卷积用于编码，三层反卷积用于解码，其余七层用于加深网络，让网络学习更高层次的抽象，网络还包括两个跳层和三个多尺度输出层；将原始失真图像进行相应的预处理，输入到网络进行训练，将输入数据映射到原始图像对应的结构特征相似图；通过方向传播算法不断迭代更新网络参数，得到较优的网络参数；在测试阶段，通过训练好的网络提取测试图像特征，通过显著加权得到测试图像的整体质量结果。本发明不使用人的主观分数进行监督，不存在由于人的主观因素造成的训练误差，可以使预测结果更为客观，准确。 | ||
| 搜索关键词： | 基于 卷积 神经网络 尺度 图像 质量 检测 方法 | ||
【主权项】：
1.一种基于卷积神经网络的多尺度图像质量检测方法，其特征在于，包括以下步骤：/n步骤1：选取J幅失真图像以及失真图像对应的参考图像作为训练集，根据全参考IQA方法FSIM计算得到失真图像对应的特征相似图，将特征相似图尺寸调整后得到三幅不同尺寸的特征相似图；/n步骤2：构建卷积神经网络；/n步骤3：将失真图像预处理后输入卷积神经网络进行训练，训练过程中，采用三幅尺寸不同的特征相似图进行多尺度监督训练，每次迭代训练处理得到每幅失真图像对应的三幅训练预测图，通过对三幅训练预测图和三幅尺寸不同的特征相似图计算均方误差得到损失函数值；采用反向传播算法不断迭代调整网络参数；/n步骤4：根据GBVS显著图计算方法计算得到待预测失真图像对应的显著图像，将显著图像尺寸调整后得到三幅不同尺寸的显著图像；/n步骤5：将待预测失真图像预处理后输入步骤3训练后的卷积神经网络进行预测处理得到三幅预测特征图，将三幅预测特征图分别和对应尺寸的显著图像进行加权平均得到三个图像质量结果，将三个图像质量结果平均后得到最终的图像质量结果。/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浙江科技学院，未经浙江科技学院许可，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/201910963764.3/，转载请声明来源钻瓜专利网。
