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！

龙图腾网获悉南京邮电大学申请的专利一种基于复值深度卷积网络和梯度信息的盲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：CN119515777B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411436735.9，技术领域涉及：G06T7/00；该发明授权一种基于复值深度卷积网络和梯度信息的盲图像质量评价方法是由崔子冠;柏明荫;干宗良;唐贵进;刘峰设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本一种基于复值深度卷积网络和梯度信息的盲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复值深度卷积网络和梯度信息的盲图像质量评价方法，包括：获取待评价的失真图像；利用梯度检测算子生成对应的梯度图像；将失真图像及其对应的梯度图像分别通过结构相同的复值深度卷积网络以提取多层次特征；其中复值深度卷积网络首先利用双树复小波变换得到输入图像的高频与低频复值响应，之后对高频与低频响应都使用三层复值卷积块来提取多层复值卷积特征，并使用高低频特征聚合块来融合高频分路和低频分路的对应层复值卷积特征，而且高低频特征聚合块的融合特征传递给下一层高低频特征聚合块以得到多层次特性；最后，将失真图像与梯度图像经复值深度卷积网络输出的多层次特征级联。本发明更好地提取了结构信息。

本发明授权一种基于复值深度卷积网络和梯度信息的盲图像质量评价方法在权利要求书中公布了：1.一种基于复值深度卷积网络和梯度信息的盲图像质量评价方法，其特征在于，包括： 获取待评价的失真图像； 利用梯度检测算子生成对应的梯度图像； 将失真图像及其对应的梯度图像分别通过结构相同的复值深度卷积网络以提取多层次特征； 最后，将失真图像与梯度图像经复值深度卷积网络输出的多层次特征级联，输入到质量预测模块得到质量预测分数； 所述将失真图像及其对应的梯度图像分别通过结构相同的复值深度卷积网络以提取多层次特征，包括： 复值深度卷积网络首先利用双树复小波变换得到输入图像的高频与低频复值响应，之后对高频与低频响应都使用三层复值卷积块来提取多层复值卷积特征，并使用高低频特征聚合块来融合高频分路和低频分路的对应层复值卷积特征，而且高低频特征聚合块的融合特征传递给下一层高低频特征聚合块以得到多层次特性； 所述对高频与低频响应都使用三层复值卷积块来提取多层复值卷积特征，包括： 对失真图像的高频与低频响应分别使用三层复值卷积块来提取多层复值卷积特征，设与分别表示失真图像高频与低频分路提取的第n层复值卷积特征，对应的特征维度为H和W分别表示输入图像的高度和宽度，Cn表示对应层提取特征的通道数；同理，对梯度图像的高频与低频响应分别使用三层复值卷积块来提取多层复值卷积特征，表示为与 所述使用高低频特征聚合块来融合高频分路和低频分路的对应层复值卷积特征，而且高低频特征聚合块的融合特征传递给下一层高低频特征聚合块以得到多层次特性，包括： 所述高低频特征聚合块，由不同扩张率的复值扩张卷积和通道注意力模块组成，高低频特征聚合块的输入Xn由对应层复值卷积块提取的高频特征低频特征以及上一层高低频特征聚合块输出特征Fn-1级联得到，输入特征Xn首先通过具有不同感受野大小的复值扩张卷积来捕获多尺度上下文信息，之后通过通道注意力模块得到通道增强的特征，最后将不同尺度通道增强后的特征级联得到当前高低频特征聚合块的输出特征，高低频特征聚合块的计算流程可由如下公式表达： 式中，AP表示复值平均池化；n表示高低频特征聚合块的索引；r表示扩张率；表示输入特征Xn经扩张率为r的扩张卷积并通过通道注意力模块后的加权特征；GAP表示复值全局平均池化；fc表示1×1复值卷积；σ表示复值Sigmoid激活；δ表示复值ReLU激活；表示元素级相乘；fr表示扩张率为r的复值扩张卷积；表示通道维级联；Fn表示当前高低频特征聚合块的输出特征，第三层索引n＝3高低频特征聚合块的输出F3作为所输入失真图像经复值深度卷积网络输出的多层次特征；同理，可得到第三层索引n＝3高低频特征聚合块的输出G3作为所输入梯度图像经复值深度卷积网络输出的多层次特征。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区亚东新城区文苑路9号；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”。

以上内容由龙图腾AI智能生成。