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！

龙图腾网获悉西安邮电大学申请的专利基于显著性加权的无参考全景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：CN116777886B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310787451.3，技术领域涉及：G06T7/00；该发明授权基于显著性加权的无参考全景图像质量评价方法是由艾达;白岩松;鹿明月;胥策;艾宇设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于显著性加权的无参考全景图像质量评价方法在说明书摘要公布了：一种基于显著性加权的无参考全景图像质量评价方法，由选择数据集、图像预处理、构建SW‑PIQA网络、训练SW‑PIQA网络、测试SW‑PIQA网络组成。将全景图像投影成六个视口图像，解决了等矩形投影格式造成的拉伸形变问题，符合人眼的主观感知；通过显著性检测方法和卷积神经网络分别获取了各视口图像的显著性和图像特征，对各视口图像提取出的图像特征进行自适应加权融合，对加权特征进行回归得到图像质量预测分数。经仿真对比实验证明表明，本发明方法对不同数据集都有较好的质量预测结果，与人的主观评分相符，适用于不同的失真类型。

本发明授权基于显著性加权的无参考全景图像质量评价方法在权利要求书中公布了：1.一种基于显著性加权的无参考全景图像质量评价方法，其特征在于由下述步骤组成： 1选择数据集 将全景图像质量评价数据集中的全景图像以8：2分为训练集、测试集，训练集与测试集之间没有重叠； 2图像预处理 通过立方体投影，将训练集和测试集的全景图像映射得到前、后、左、右、上、下六张视口图像； 3构建SW-PIQA网络 SW-PIQA网络由特征提取模块1与显著性加权模块2并联后与质量回归模块3串联构成； 所述的显著性加权模块2由显著性模块与权重分配模块串联构成； 所述的质量回归模块3由加权模块与回归模块串联构成； 4训练SW-PIQA网络 1构建损失函数 按下式构建损失函数： 其中，为测试集的数量，为全景图像的预测质量分数，为全景图像的真实质量分数； 2训练SW-PIQA网络 软件条件为Centos7.5操作系统，基于pytorch1.7.0框架，将训练集输入到SW-PIQA网络进行训练，训练参数学习率为0.0001，平滑系数alpha为0.9，批处理量为16，训练轮数为25，训练至损失函数收敛； 5测试SW-PIQA网络 将测试集输入到训练后的SW-PIQA网络中，得到全景图像的预测图像质量分数。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区韦郭路西安邮电大学南校区；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。