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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质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：CN115222635B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210839006.2，技术领域涉及：G06T5/50；该发明授权一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质是由胡波;朱广;高新波;李雷达;聂茜茜设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质在说明书摘要公布了：本发明属于计算机视觉领域，具体涉及一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质，包括：获取待评价的自然失真图像，根据自然失真图像生成梯度图像，将自然失真图像和梯度图像输入到训练好的基于图像特征融合的无参考图像质量评价模型中，得到质量评价分数；其中，基于图像特征融合的无参考图像质量评价模型包括：基干网络、跨域特征融合模型和跨尺度特征融合模型，本发明不只是对图像进行评估，而是在充分考虑了自然失真图像域的全局语义信息和局部语义信息，能够对自然失真图的质量评价更加准确。

本发明授权一种基于图像特征融合的无参考图像质量评价方法、装置及计算机可读存储介质在权利要求书中公布了：1.一种基于图像特征融合的无参考图像质量评价方法，其特征在于，包括： 获取待评价的自然失真图像，根据自然失真图像生成梯度图像，将自然失真图像和梯度图像输入到训练好的基于图像特征融合的无参考图像质量评价模型中，得到质量评价分数；其中，基于图像特征融合的无参考图像质量评价模型包括：基干网络、跨域特征融合模型和跨尺度特征融合模型、两个线性回归层； 对基于图像特征融合的无参考图像质量评价模型进行训练的过程包括： S1：获取具有真实标签的自然失真图像域，其中，真实标签表示自然失真图像域中自然失真图像的真实分数； S2：根据自然失真图像域生成梯度图像域； S3：将自然失真图像域和其对应的梯度图像域输入基干网络中，提取出自然失真图像域的层次特征和梯度图像域的层次特征； S4：将自然失真图像域的层次特征和梯度图像域的层次特征对应输入跨域特征融合模型中进行融合，计算得出自然失真图像域的跨域融合层次特征； S5：将跨域融合层次特征输入跨尺度特征融合模型中进行融合，计算得出自然失真图像域的跨尺度融合特征； S6：将跨尺度融合特征输入两个线性回归层进行回归处理，计算得出自然失真图像域的质量评价分数； S7：根据所述自然失真图像域的真实标签与质量评价分数，计算基于图像特征融合的无参考图像质量评价模型的损失函数； S8：不断调整模型的参数，当损失函数小于设定阈值时完成模型的训练。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。