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！

龙图腾网获悉广东工业大学申请的专利基于深度互学习和双尺度特征融合的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：CN115375663B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211038963.1，技术领域涉及：G06T7/00；该发明授权基于深度互学习和双尺度特征融合的图像质量评价方法是由罗玉;谢家明;凌捷设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本基于深度互学习和双尺度特征融合的图像质量评价方法在说明书摘要公布了：本申请实施例提供的一种基于深度互学习和双尺度特征融合的无参考图像质量评价方法，该方法包括确定待进行无参考图像质量评估的目标失真图像；对目标失真图像进行水平翻转，得到目标镜像图像；构建初始质量评价模型，初始质量评价模型包括用于从图像中提取局部特征的第一、二Resnet50网络、用于从图像中提取出非局部特征的第一、二VisionTransformer网络；将目标失真图像输入到第一Resnet50网络以及第一VisionTransformer网络中，将目标镜像图像输入到第二Resnet50网络以及第二VisionTransformer网络中进行模型训练，训练过程中，通过深度互学习的方式对图像间的局部特征、以及非局部特征进行一致性约束，以及通过融合图像的局部、非局部特征，确定模型输出结果；在结束模型训练时，得到目标质量评价模型。

本发明授权基于深度互学习和双尺度特征融合的图像质量评价方法在权利要求书中公布了：1.一种基于深度互学习和双尺度特征融合的无参考图像质量评价方法，其特征在于，包括以下步骤： 确定待进行无参考图像质量评估的目标失真图像； 对所述目标失真图像进行水平翻转，得到相应的目标镜像图像； 构建初始质量评价模型，所述初始质量评价模型包括用于从图像中提取局部特征的第一、二Resnet50网络、以及用于从图像中提取出非局部特征的第一、二VisionTransformer网络； 将所述目标失真图像输入到第一Resnet50网络以及第一VisionTransformer网络中，将所述目标镜像图像输入到第二Resnet50网络以及第二VisionTransformer网络中进行模型训练，训练过程中，通过深度互学习的方式对图像间的局部特征、以及非局部特征进行一致性约束，以提高评估精准度，以及通过融合图像的局部、非局部特征，确定模型输出结果； 在结束模型训练时，得到目标质量评价模型，将待评估图像输入到所述目标质量评价模型中，得到待评估图像的预测质量评价分数； 训练过程中，所述方法还包括： 基于预先构建的一致性损失函数、以及均方误差损失函数进行模型约束，其中，所述一致性损失函数、以及均方误差损失函数通过下述公式进行表示： ； ； ； 上式中，L 1表示经由第一Resnet50网络以及第一VisionTransformer网络组成的整个网络所使用的第一损失函数，L 2表示经由第二Resnet50网络以及第二VisionTransformer网络组成的整个网络所使用的第二损失函数；s表示模型输出结果，g表示基准结果，B表示训练时一个批次的大小；L mse 表示均方误差损失函数，L con 表示一致性损失函数；表示经由第一Resnet50网络输出的第一局部特征，表示经由第二Resnet50网络输出的第二局部特征；表示经由第一VisionTransformer网络输出的第一非局部特征，表示经由第二VisionTransformer网络输出的第二非局部特征；表示二范数，f 1和f 2在损失函数L con 中表示同种、但不同样的局部、或非局部特征。

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广东工业大学，其通讯地址为：510060 广东省广州市东风东路729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”。