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！

龙图腾网获悉东华理工大学申请的专利一种基于颜色和结构失真的无参考彩色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：CN115880234B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202211510202.1，技术领域涉及：G06T7/00；该发明授权一种基于颜色和结构失真的无参考彩色图像质量评价方法是由贾惠珍;胡其层;王同罕设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本一种基于颜色和结构失真的无参考彩色图像质量评价方法在说明书摘要公布了：本发明适用于图像处理领域，提供了一种基于颜色和结构失真的无参考彩色图像质量评价方法，包括以下步骤：对彩色图像进行分块操作，组成彩色失真图像块数据集，构成训练集和测试集；构建一组二维Scharr检测算子，并利用其对输入的图像块进行卷积处理，获得失真图像块的梯度特征信息；将得到的图像块数据集转换到HSV色彩空间中；根据已有的图像块数据集，构建一个基于颜色和结构失真的无参考图像质量评价卷积神经网络模型；将划分的训练集输入构建的无参考图像质量评价卷积神经网络模型中，得到训练好的无参考图像质量评价模型。本发明设计合理，模拟到的质量分数和真实的质量分数有强烈的相关性和较小的误差，值得推广。

本发明授权一种基于颜色和结构失真的无参考彩色图像质量评价方法在权利要求书中公布了：1.一种基于颜色和结构失真的无参考彩色图像质量评价方法，其特征在于，包括以下步骤： 步骤1：对彩色图像进行分块操作，裁剪成一组大小相同的图像块，组成彩色失真图像块数据集，构成训练集和测试集； 步骤2：构建一组二维Scharr检测算子，并利用其对输入的图像块进行卷积处理，获得失真图像块的梯度特征信息，生成梯度图像块； 步骤3：将步骤1中得到的图像块数据集转换到HSV色彩空间中，并分离出HSV色彩空间中的H通道和S通道； 步骤4：根据已有的图像块数据集，构建一个基于颜色和结构失真的无参考图像质量评价卷积神经网络模型； 步骤5：将步骤1、步骤2和步骤3中划分的训练集输入步骤4中构建的无参考图像质量评价卷积神经网络模型中，得到训练好的无参考图像质量评价模型；接着由无参考图像质量评价模型计算出由测试集中图像切分的所有子块的质量预测值； 其中，步骤4具体包括以下步骤： 步骤4.1：该网络模型由子网络M和子网络N组成；子网络M由三个卷积层和三个最大池化层组成；子网络N由五个卷积层和五个最大池化层组成； 其中，最大池化层能保留更多的纹理信息，最大池化层的计算公式为： ； 其中，表示与第k个特征图有关的在矩形区域的最大池化输出值，表示矩形区域中位于p，q处的元素； 步骤4.2：无参考图像质量评价网络模型采用L1损失函数，网络模型的L1损失函数计算公式为： ； 其中，表示批处理时的图像数量，表示第个图像块的预测分数，表示第个图像块的真实标签分数； 步骤4.3：无参考图像质量评价网络模型采用Adam优化器对模型进行优化，自适应调整学习率参数，加快模型收敛速度； 步骤5具体包括以下步骤： 步骤5.1：将步骤1、步骤2和步骤3得到的训练集中的原失真图图像块、梯度图像块、H通道图像块和S通道图像块作为子网络N的输入； 步骤5.2：在步骤5.1四种图像块数据经过子网络N的第一个卷积层和池化层后得到四个特征向量，将这四个特征向量融合后通过子网络M来增强全局特征的提取；其中，这四个特征向量融合的公式为： ； 其中，、、和分别表示原图图像块、梯度图像块、H通道图像块和S通道图像块通过第一层卷积池化后得到的特征向量，表示融合后的特征，是特征融合操作； 步骤5.3：将步骤5.2中得到的输入子网络M，提取出的全局特征再次经过全连接神经网络进行降维得到特征向量，在这个过程中，全连接层利用矩阵乘法进行计算，将输入的高维度的特征数据变换为低维的样本标记，保留其中的有用信息，并且消除特征间的空间关系，其第l层输出的计算公式如下所示： ； 其中，表示第层的输出数据，表示第层的权值参数，表示第层的偏移量； 步骤5.4：降维后的特征向量与结构失真高维特征和颜色失真高维特征进行融合，融合后的特征通过线性回归层； 步骤5.5：在线性回归层里，网络会经过多次迭代，在每次迭代中读取一小批图像块训练样本，并通过网络模型来获得一组预测；计算完损失后，网络开始进行反向传播，存储每个参数的梯度；同时，网络调用优化算法Adam来更新模型参数； 步骤5.6：经过以上步骤后，得到训练好的无参考图像质量评价网络模型； 步骤5.7：将步骤1、步骤2和步骤3得到的测试集输入基于颜色和结构失真的无参考图像质量评价模型中，接着由无参考图像质量评价模型计算出由测试集中图像切分的所有子块的质量预测值，对所有质量预测值进行等值平均，得到该图像的预测质量分数，计算公式如下： ； 其中，N表示测试图像分割后的子块个数，表示其中第个图像块的质量预测值。

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东华理工大学，其通讯地址为：344001 江西省抚州市学府路56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。