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！

龙图腾网获悉武汉大学申请的专利一种基于数据增强和对比学习的图像质量评估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：CN119941691B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510060471.X，技术领域涉及：G06T7/00；该发明授权一种基于数据增强和对比学习的图像质量评估方法是由杨兴万;崔永康;金博乐;闫屹成;杨光义;王晓艳设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于数据增强和对比学习的图像质量评估方法在说明书摘要公布了：本发明公开一种基于数据增强和对比学习的图像质量评价方法，属于图像质量评价和深度学习技术领域。其包括将原始图像进行预处理，然后将预处理后的图像输入图像质量评价模型中，得到图像质量评分；预处理模块由随机数据增强、深度图像先验、双线性插值组成；图像质量评价模型由正负样本对构建、特征提取模块、网络训练和评分生成模块。特征提取模块采用U‑Net编码器，包括下采样层、卷积层；网络训练包括NT‑Xent损失函数计算、成对样本训练；所述评分生成模块，通过使用回归模型预测得到图像质量评分；本发明基于严格的数学建模构造网络，使得模型具有严谨的可解释性，基于理论推导，能够提升图像质量评估的性能和可靠性。

本发明授权一种基于数据增强和对比学习的图像质量评估方法在权利要求书中公布了：1.一种基于数据增强和对比学习的图像质量评估方法，其特征在于，包括： 对图像进行预处理，并将预处理后的图像输入预先构建的图像质量评价模型，得到图像的质量评分； 其中，所述预处理包括对图像依次进行随机数据增强、深度图像先验、双线性插值操作；所述图像质量评价模型包括特征提取模块、网络训练和评分生成模块，所述特征提取模块用于对构建的正负样本对提取高层次特征，所述网络训练通过图像和高层次特征进行训练，所述评分生成模块用于根据高层次特征向量预测图像的质量评分； 所述双线性插值用于对图像进行二次修复； 所述深度图像先验为初始化后未经训练的卷积神经网络，网络的架构由卷积层、激活函数和反卷积层构成，网络的架构的初始参数是随机初始化的，利用卷积神经网络作为优化工具，直接对图像进行修复，网络的架构的输入是一个随机噪声图像z，输出是修复后的图像； 所述正负样本对的构建包括： 将预处理后的图像通过将所述随机数据增强与所述双线性插值方法生成的图像进行一一对应，构建正样本对； 将旋转、缩放和所述双线性插值所得的图像先进行随机打乱，将打乱变换后的图像对标记为负样本对；其中，在标记正负样本对后对图像进行归一化，所述归一化利用尺度放缩归一化将样本数据全部放缩到相同尺度下，且关于0对称分布。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。