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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于失真先验学习的无参考图像质量评价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：CN116152183B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310035756.9，技术领域涉及：G06T7/00；该发明授权一种基于失真先验学习的无参考图像质量评价方法是由郑博仑;沈卓南;张桦;毛钰;陈泉;颜成钢设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于失真先验学习的无参考图像质量评价方法在说明书摘要公布了：本发明公开了一种基于失真先验学习的无参考图像质量评价方法。本发明包括如下步骤：步骤1.失真先验学习；步骤2.语义特征提取；步骤3.边缘信息提取；步骤4.特征聚合；步骤5.失真掩蔽与质量回归；步骤6.模型训练。本发明提出了失真先验学习方法，在图像语义特征的基础之上引入频域的先验信息来辅助预测质量分数。本发明的方法在四个公开IQA数据集进行了广泛的实验。结果表明，所提出的模型在泛化能力和评估准确性方面明显优于目前最先进的NR‑IQA方法。结果表明，所提出的模型在泛化能力和评估准确性方面明显优于目前最先进的NR‑IQA方法。

本发明授权一种基于失真先验学习的无参考图像质量评价方法在权利要求书中公布了：1.一种基于失真先验学习的无参考图像质量评价方法，其特征在于包括如下步骤： 步骤1.失真先验学习； 步骤2.语义特征提取； 步骤3.边缘信息提取； 步骤4.特征聚合； 步骤5.失真掩蔽与质量回归； 步骤6.模型训练； 步骤1所述的失真先验学习，具体方法如下： 利用可学习带通滤波器作为失真先验学习模块，假设失真图像Idis是由一张干净图像Iclear加上失真特征组成的，则用公式表达为： Idis＝Iclear+NDis1.1 其中，NDis表征了失真特征； 将NDis转译到DCT域中处理，因此像素域的失真NP和特征域的失真Nf可以分别被表示为： 其中表示IDCT操作，C表示卷积操作；受到隐式DCT域的启发，使用一个深层CNN块估计NDis；其中和C都是线性操作，因此Nf与NDis线性相关，所以要获得特征域的失真Nf可以先估计失真特征NDis，然后再利用一个卷积对和C进行线性操作； 使用一个可学习带通滤波器从DCT域学习一些先验，公式如下： 其中，θ表示DCT域的可学习参数； 所述的失真先验学习模块包括三个3*3残差连接的膨胀卷积层、一个1*1的卷积层和一个隐式DCT域单元IDU；其中残差连接的膨胀卷积层用于提取高维特征，并扩大过程的感受野；1*1的卷积层作为特征融合层，融合密集连接产生的卷积特征，减少通道数；然后失真先验学习模块尝试从失真图像Idis的DCT域学习先验，隐式DCT域单元IDU进行最终的变换；设IDU的大小是p*p的，则对应DCT域光谱有p2个频率，因此θ的大小是p2；θ初始化为1且为非负值； 步骤2所述的语义特征提取，具体方法如下： 利用预训练的卷积神经网络作为语义特征提取模块，提取失真图像Idis的语义特征信息； 所述的预训练的卷积神经网络是利用ResNet50网络在ImageNet21k数据集上预先训练得到的图像分类模型构建成的网络，能够提取到图像中对于内容的多尺度语义特征；具体如下： 其中，令表示来自i块的ResNet50网络，其中i∈{1,2,3,4}，b表示批量大小，ci,mi,ni分别表示通道大小、宽度和高度；使用每个stage的最后一层从输入图像中提取多尺度语义特征； 步骤3所述的边缘信息提取，具体方法如下： 受ACNet的启发，提取边缘信息的ARM模块由两个非对称残差块组成；每一个非对称残差块中的3*3的卷积由三个并行的3*3、3*1和1*3的卷积代替，然后接一个BN层和PReLU； 步骤4所述的特征聚合，具体方法如下： 使用类似UNet结构的Encoder-Decoder生成模块将输入的失真先验信息、语义特征信息和图像边缘信息融合来生成丰富的特征图； Encoder由一个ConcatConv来融合输入的失真先验信息、语义特征信息和图像边缘信息，然后经过一个LeakyReLU组成一个下采样的模块；Decoder由一个ConcatConv和ReLU组成一个上采样的模块； 步骤5所述的失真掩蔽与质量回归，具体方法如下： 在被掩蔽的失真图像中使用全局平均池化以表示感知扭曲的程度；并将特征图输入到质量回归模块中预测最后的质量分数； 步骤6所述的模型训练方法如下： 使用Adam优化器对整体模型进行训练，其中权重衰减为0，初始学习率为2*10-5，之后每10个epoch增强10％；采用预训练的ResNet50网络对模型进行权重初始化，训练中使用L1损失函数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。