【CN110084782A】基于图像显著性检测的全参考图像质量评价方法【专利】

合集下载

基于显著性策略与特征融合无参考图像质量评价方法[发明专利]

专利名称：基于显著性策略与特征融合无参考图像质量评价方法
专利类型：发明专利
发明人：沈丽丽,张楚河,侯春萍
申请号：CN202110130011.1
申请日：20210129
公开号：CN112767385B
公开日：
20220517
专利内容由知识产权出版社提供
摘要：本发明提供一种基于显著性策略与特征融合的无参考图像质量评价方法，包括下列步骤：对待评价图像进行预处理，将其转换成灰度图像并分成不重叠的小图像块，对小图像块进行筛选，选取显著性图像块作为输入样本，同时计算每个图像块的显著性得分；采用双流结构的卷积神经网络对输入样本进行特征提取，一个流侧重于提取初级特征，称其为初级特征提取网络，另一个带上采样网络的流侧重于提取高级特征，称其为高级特征提取网络；将提取到的初级特征与高级特征进行合并，再通过节点数为1024的全连接层映射后获取显著性图像块的局部质量分数。

最后，利用显著性加权模型计算每个显著性图像块的权重，根据权重计算最终的预测得分。

申请人：天津大学
地址：300072 天津市南开区卫津路92号
国籍：CN
更多信息请下载全文后查看。

一种图像显著性检测方法及装置[发明专利]

专利名称：一种图像显著性检测方法及装置
专利类型：发明专利
发明人：喻夏琼,王佳佳,赵金贤,吴平安,董小环,侯健,马静,务宇宽,王亚锋,唐斌,李娜,单月晖,赵志远,杨鹏,师康钦,
高琳,刘登
申请号：CN202210411363.9
申请日：20220419
公开号：CN114677368A
公开日：
20220628
专利内容由知识产权出版社提供
摘要：本发明提供一种图像显著性检测方法及装置，其中方法包括：步骤：S1：对待检测图像做超像素分割处理，得到超像素分割图像；S2：从超像素分割图像中提取出包含边界特征的背景超像素图像；S3：利用LASSO算法与背景超像素图像，对超像素分割图像做显著性检测处理，得到显著性检测处理的学习层处理结果；S4：判断学习层处理结果是否满足预设条件，若是，执行步骤S5；否则，执行步骤S6；S5：将学习层处理结果作为显著性检测处理结果；根据显著性检测处理结果，生成显著图；S6：将学习层处理结果，反向传播至超像素分割图像，得到更新的待检测图像，返回执行步骤S1。

本发明提供的技术方案可有效处理对于背景较复杂的遥感图像，实现图像的显著性检测。

申请人：中国人民解放军32021部队,北京京航计算通讯研究所
地址：100094 北京市海淀区北清路22号
国籍：CN
代理机构：北京天达知识产权代理事务所(普通合伙)
代理人：许志宏
更多信息请下载全文后查看。

【CN110084789A】一种虹膜图像的质量评价方法及计算设备【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910299773.7(22)申请日 2019.04.15(71)申请人广西释码智能信息技术有限公司地址 541000 广西壮族自治区桂林市七星区桂磨大道湖塘总部经济园D2栋(72)发明人王晓鹏　(74)专利代理机构北京思睿峰知识产权代理有限公司 11396代理人谢建云　赵爱军(51)Int.Cl.G06T 7/00(2017.01)G06T 7/13(2017.01)(54)发明名称一种虹膜图像的质量评价方法及计算设备(57)摘要本发明公开了一种虹膜图像的质量评价方法及计算设备。

其中，该质量评价方法包括步骤：提取虹膜图像的光斑边缘点；对光斑边缘点进行椭圆拟合，以得到至少一个拟合的椭圆；根据拟合的椭圆计算拟合参数；基于拟合参数，确定虹膜图像的质量评价结果。

此外，本发明还一并公开了用于执行上述方法的计算设备及对应的可读存储介质。

权利要求书2页说明书11页附图4页CN 110084789 A 2019.08.02C N 110084789A权　利　要　求　书1/2页CN 110084789 A1.一种虹膜图像的质量评价方法，包括步骤：提取虹膜图像的光斑边缘点；对所述光斑边缘点进行椭圆拟合，以得到至少一个拟合的椭圆；根据拟合的椭圆计算拟合参数；基于所述拟合参数，确定所述虹膜图像的质量评价结果。

2.如权利要求1所述的方法，其中，所述提取虹膜图像的光斑边缘点的步骤包括：计算所述虹膜图像的梯度；根据所算得的梯度，提取所述虹膜图像中的边缘点；根据所提取的边缘点的灰度变化，从所述边缘点中选出候选边缘点；根据所述候选边缘点的坐标，从所述候选边缘点中筛选出光斑边缘点。

3.如权利要求2所述的方法，其中，所述根据所算得的梯度，提取虹膜图像的边缘点的步骤包括：计算虹膜图像中每个像素点的梯度方向；基于像素点的梯度方向，确定该像素点的最大梯度；基于像素点的最大梯度，提取虹膜图像的边缘点。

基于视觉显著性和感知相似性的全参考图像质量评价方法

基于视觉显著性和感知相似性的全参考图像质量评价方法王茜;郑斌军;孔玲君;顾萍
【期刊名称】《包装工程》
【年(卷),期】2022(43)9
【摘要】目的图像质量评价(IQA)旨在使用计算模型自动衡量和评价图像质量,以代替人类视觉系统的主观意见,并应用到相关实际问题中。

方法首先将参考图像与失真图像进行输入,使用视觉显著性模型计算图像局部相似度的特征映射,并在质量得分池化阶段作为加权函数,同时,针对视觉显著性图作为单一特征映射的不足,增加了梯度幅度,然后将图像进行颜色空间的转化提取颜色特征,最后分配相应的权重来计算图像相似度。

结果在4个大型数据集上的对比测试显示,在保持适度计算复杂度的同时,VSPSI相比其他有代表性的模型在预测精度上得到了一定的提升,特别是在TID2013数据集上的SROCC达到了0.9055。

结论研究结果表明,VSPSI是一个性能优良的IQA方法,在不同数据集和不同失真类型中都有良好的表现,具有较强的鲁棒性,可胜任多类失真图像的客观质量评价,同时可通过优化视觉显著性模型进一步提升VSPSI的性能。

【总页数】10页(P239-248)
【关键词】图像质量评价;视觉显著性;人类视觉系统
【作者】王茜;郑斌军;孔玲君;顾萍
【作者单位】上海理工大学;上海出版印刷高等专科学校
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于2D视觉注意模型的全参考图像质量评价方法
2.基于视觉注意的全参考彩色图像质量评价方法
3.基于全变分模型的视觉感知图像质量评价方法
4.基于视觉感知的全参考图像质量评价算法
5.基于视觉显著性的局部感知锐度的模糊图像质量评价算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于视觉显著图像特征增强的全参考立体图像质量客观评价方法[发明专利]

专利名称：基于视觉显著图像特征增强的全参考立体图像质量客观评价方法
专利类型：发明专利
发明人：丁勇,孙光明,邓瑞喆,周一博,孙阳阳
申请号：CN201811109216.6
申请日：20180921
公开号：CN109523506A
公开日：
20190326
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于视觉显著图像特征增强的全参考立体图像质量客观评价方法。

首先，将立体图像从RGB颜色空间转换成YIQ颜色空间，从Y通道中提取亮度成分，得到视差图以及视觉显著性图，然后对Y通道的左右视图进行图像融合得到中间图像,进而提取视觉显著增强的边缘/纹理以及深度信息特征，进行相似性度量，得到相应的度量指标。

其次，从立体图像的I和Q通道提取相应的色彩信息特征，进行双目融合和相似性度量，得到视觉显著增强的色彩信息的度量指标。

最后将所有的度量指标进行支持向量回归训练预测，得到客观质量分数。

实验表明本发明所提出的立体图像质量客观评价与主观评价具有很好的一致性，且性能优于大部分已有的立体图像质量评价方法。

申请人：浙江大学
地址：310058 浙江省杭州市西湖区余杭塘路866号
国籍：CN
代理机构：杭州求是专利事务所有限公司
代理人：郑海峰
更多信息请下载全文后查看。

基于显著性检测的输变电巡检图像质量评价方法及系统[发明专利]

专利名称：基于显著性检测的输变电巡检图像质量评价方法及系统
专利类型：发明专利
发明人：张旭,王万国,王振利,许玮,慕世友,傅孟潮,李建祥,白万建,李冬,李勇,杨波,孙晓斌,李振宇
申请号：CN201811457825.0
申请日：20181130
公开号：CN109559310A
公开日：
20190402
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于显著性检测的巡检图像质量评价方法及系统，对于一幅待评测巡检图像，本发明通过一种基于全局和局部相结合的显著性检测算法对原始的巡检图像进行预处理，得到巡检图像的显著图。

基于显著图采用基于边缘描述的算法计算得到刻画图像模糊度的两个指标，根据模糊度指标得出整幅图像的质量评分。

另外，基于深度学习的卷积神经网络算法采用分块评测策略计算得到该图像另一个的质量评分结果。

最后采用加权融合策略将两种算法的评测结果综合处理得出该图像质量的最终得分。

申请人：国网山东省电力公司电力科学研究院,山东鲁能智能技术有限公司,国家电网有限公司地址：250003 山东省济南市市中区望岳路2000号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：李琳
更多信息请下载全文后查看。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910239746.0
(22)申请日 2019.03.27
(71)申请人西安电子科技大学
地址 710071 陕西省西安市雁塔区太白南
路2号
(72)发明人陈晨　
(74)专利代理机构西安中科汇知识产权代理有
限公司 61254
代理人刘玲玲
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/11(2017.01)
G06T 7/90(2017.01)
(54)发明名称
基于图像显著性检测的全参考图像质量评
价方法
(57)摘要
本发明公开了一种基于图像显著性检测的
全参考图像质量评价方法，其包括以下步骤：空
间转换(提取失真图像和其对应的原始图像，将
图像从RGB颜色空间转换到Lab颜色空间)，图像
分割(将Lab颜色空间下的彩色图像分割成区
域)，RCC显著性检测，超像素分割(对RGB颜色空
间下的失真图像和其对应的原始图像进行超像
素分割)，AMC显著性检测，VSI计算。

本发明的有
益之处在于：(1)我们通过显著性检测得到图像
的显著性区域，应用提取出的显著性图像进行图
像质量评价，绕开了人眼视觉系统建模难的问
题，所以本发明提供的评价方法思路简单，较好
的符合人眼视觉系统特性，与主观评价具有较好
的一致性；(2)具有较强的鲁棒性及较好的预测
性能。

权利要求书3页说明书9页附图4页CN 110084782 A 2019.08.02
C N 110084782
A
1.一种基于图像显著性检测的全参考图像质量评价方法，其特征在于，包括以下步骤：Step1：空间转换
提取失真图像和其对应的原始图像，并将失真图像和其对应的原始图像从RGB颜色空间转换到Lab颜色空间；
Step2：图像分割
将Lab颜色空间下的彩色图像分割成区域；
Step3：RCC显著性检测
(1)计算区域的颜色对比度
对于分割成区域的图像，计算每个区域的颜色距离，
计算公式如下：
其中，D r (r 1,r 2)是两个区域r 1和r 2的颜色距离度量，f(c k ,i )是第i个颜色c k ,i 在第k个区域r k 的所有n k 种颜色中出现的概率，其中k＝1或2，n k 是图像中所含的颜色总数；
(2)计算区域的亮度对比度
对于分割成区域的图像，计算每个区域的亮度度量，
计算公式如下：
其中，N k 和N i 分别为区域k和i中的像素个数，I k ,n 和I i ,m 为区域k和i中第n个和第m个像素的亮度值；
(3)结合空间权值计算显著值
显著值的计算公式如下：
其中，D s (r k ,r i )是区域r k 和r i 的欧式空间距离，D a (r k ,r i )＝D 1(r k ,r i )+D r (r k ,r i )，ω(r i )作为权值是区域r i 中的像素个数，σs 是控制空间权值强度；
Step4：超像素分割
对RGB颜色空间下的失真图像和其对应的原始图像进行超像素分割；
Step5：AMC显著性检测
根据超像素分割后的图像中马尔可夫链的被吸收时间遍历马尔科夫链的击中时间，同时考虑显著目标和背景的外观差异及空间的分布，从转移节点到吸收节点的被吸收时间依赖它们之间的路径权重及空间距离，建立一种图模型，将显著性检测作为半监督分类的一种方式，根据部分吸收随机游走的吸收概率进行马尔可夫链的显著性检测，得到显著图；
Step6：VSI计算
将以上步骤计算出的失真图像和其对应的原始图像的RCC显著图VS3、VS1以及失真图像和其对应的原始图像的AMC显著图VS4、VS2共计四个显著图作为输入，计算得出失真图像的图像质量。

2.根据权利要求1所述的基于图像显著性检测的全参考图像质量评价方法，其特征在于，在Step2中，将Lab颜色空间下的彩色图像分割成区域的方法具体如下：
权　利　要　求　书1/3页2CN 110084782 A。