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！

龙图腾网获悉福州大学申请的专利基于深度学习进行3D图像质量评估的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：CN115631181B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211380117.8，技术领域涉及：G06T7/00；该发明授权基于深度学习进行3D图像质量评估的方法是由郭文忠;王汉灵;柯逍设计研发完成，并于2022-11-05向国家知识产权局提交的专利申请。

本基于深度学习进行3D图像质量评估的方法在说明书摘要公布了：本发明提出基于深度学习进行3D图像质量评估的方法，包括以下步骤；步骤S1：对构成3D图像的左右两视图进行融合处理，使用融合后的图片生成显著性图；步骤S2：根据融合处理的图片对原左右视图进行裁剪；步骤S3：对裁剪后左右视图的补丁对组合后，输入到用于质量评估的神经网络中，获取单目特征和双目融合特征，将特征回归后得到视频质量；步骤S4：重复步骤S2和S3直到神经网络的网络权重稳定，达到3D图片质量评价的目标；本发明能够有效地对所提供的左右视图图片进行质量分数预测，能够较准确地预测图片的质量分数。

本发明授权基于深度学习进行3D图像质量评估的方法在权利要求书中公布了：1.基于深度学习进行3D图像质量评估的方法，其特征在于：包括以下步骤； 步骤S1：对构成3D图像的左右两视图进行融合处理，使用融合后的图片生成显著性图； 步骤S2：根据融合处理的图片对原左右视图进行裁剪； 步骤S3：对裁剪后左右视图的补丁对组合后，输入到用于质量评估的神经网络中，获取单目特征和双目融合特征，将特征回归后得到视频质量； 步骤S4：重复步骤S2和S3直到神经网络的网络权重稳定，达到3D图片质量评价的目标； 所述步骤S1具体包括以下步骤； 步骤S11：对于每一个3D图像的左右视图Imleft和Imright进行融合处理，采用小波分解分别处理左右视图，小波分解过程以公式表述如下： 其中，cA为分解的近似系数，cD为细节系数，ratio为母小波的比例系数，times为分解次数，Img[times]为任意图片经过times次分解后的信号表达式，H·为高通滤波，L·为低通滤波，yhigh表示为小波分解结果中的高频信号，ylow为小波分解结果中的低频信号； 步骤S12：将左右视图分解出的近似系数cA和细节系数cD两两组合，计算算数均值以获得融合后的近似系数和细节系数 步骤S13：使用该近似系数和细节系数进行逆小波变换，获取到融合后的显著性图像Picsal，逆小波变换以公式表述如下： 步骤S14：对于包含n个像素的、长宽分别为H和W的融合图片，其第row行第col列像素的显著性值记作SalProw,col，显著性值SalProw,col生成过程以公式表述如下： 其中，m为像素的枚举过程，n为像素总数； 所述步骤S2具体包括以下步骤； 步骤S21：将显著性图片进行预处理，先计算整张显著性图片的显著性值除上比例系数Rate作为阈值threshold，区域显著值的计算公式如下： 步骤S22：对于左视图Imleft和右视图Imright，提供一组步长序列，序列以公式记为Step＝{stepk},k＝1,2,...Z，其中Z为正整数； 该步骤序列的值是唯一的，且按递增顺序排列；从初始位置开始，尝试按步长S的排列顺序依次将显著性图Picsal裁剪为40*40大小的补丁，直到补丁的显著性值Sal大于阈值threshold，并在左右视图的相同位置裁剪出补丁对，然后将初始位置替换为新区域； 步骤S23：对于左右视图的行和列，重复上述步骤，直到裁剪过程结束； 步骤S31：根据人类视觉系统的感知特点，通过深度学习组件设计单目视觉处理模块，输入包括视觉特征Feature，处理过程包括批归一化BN，激活函数σ，卷积神经网络 表示第k个2d卷积神经网络；单目视觉处理结果result的计算公式如下： 步骤S32：根据人类视觉系统的感知特点，通过深度学习组件设计双目融合视觉处理模块，分为两部分：混合通道注意力机制和混合空间注意力机制； 在混合通道注意力机制中，通过全连通层FC和自适应平均、最大池化方法AvgPoolMaxPool来辅助特征提取；输入包括左右视图特征Fleft和Fright，通道注意力机制中单边提取后的特征图谱记作和混合通道注意力机制的结果的计算方式如下： 在混合空间注意力机制中，先使用空间平均、最大池方法来处理同一方向的图像并将其叠加，以在采样过程中保留更多信息；然后为左视图和右视图插入卷积层用来过滤堆叠图像，以过滤出小特征并捕获大特征； 空间注意力机制中，单边提取后的特征图谱记作和混合通道注意力机制的结果的计算公式如下： 步骤S33：将提取到的空间特征和通道特征使用三维卷积执行简单的融合，记混合后的结果为其计算公式如下： 其中，stack表示堆叠操作，表示第k个3d卷积神经网络； 步骤S34：将处理后的特征图谱展开，通过全连接层进行图形质量分数的预测。

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”。