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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种基于图卷积和多尺度特征的无参考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：CN116823782B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310801526.9，技术领域涉及：G06T7/00；该发明授权一种基于图卷积和多尺度特征的无参考图像质量评价方法是由魏龙生;赵雷;闫晴晴;罗大鹏;刘玮设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于图卷积和多尺度特征的无参考图像质量评价方法在说明书摘要公布了：本发明提供了一种基于图卷积和多尺度特征的无参考图像质量评价方法，该方法通过图卷积网络建模图像失真的复杂关系。在预训练过程中，利用元学习的双层梯度优化策略训练特征提取网络Resnet50时，同时融合局部和全局的多尺度特征，自适应地构建围绕每个空间位置的长距离空间和通道间的依赖关系，同时加入空间金字塔池化层，让网络可以接受任意比例的图像作为输入，使评估过程类似于人类的感知；其次通过图卷积网络建立失真相关信息的图表示，整合更加丰富的失真特性，进而提高特征的判别性；最后预训练的模型在目标数据集上验证其有效性。该方法能有效获取全局失真关系，增强对失真的特征表示，实现对合成失真和真实失真的良好质量预测性能。

本发明授权一种基于图卷积和多尺度特征的无参考图像质量评价方法在权利要求书中公布了：1.一种基于图卷积和多尺度特征的无参考图像质量评价方法，其特征在于，包括以下步骤： 搭建一种无参考图像质量评价模型，该模型包括预训练阶段和微调阶段； 获取无参考图像，构建训练集； 在预训练阶段，将训练集输入模型中，采用元学习方法，通过双层梯度优化策略训练Resnet骨干网络； 同时引入自适应融合多尺度特征模块，自适应融合图像局部和全局特征得到多尺度特征，构建全局空间与通道间依赖关系，进而训练得到包含特定失真知识的元模型； 在包含特定失真知识的元模型后添加空间金字塔池化层，用于接收任意尺寸的图像； 将多尺度特征通过全局池化得到特征集，然后将特征集输送到节点构建模块和边构建模块，得到特定失真类型的图表示； 将特定失真类型的图表示的节点和边输入失真类型判别模块得到三元组损失，学习不同失真之间的对比关系； 通过失真级别判别模块得到均方误差损失，并和三元组损失进行加权来优化整体模型，获得构建失真图表示的先验知识； 在微调阶段中，将失真图像通过预训练的特征提取网络提取失真特征； 利用具有先验知识的节点构建模块和边构建模块快速得到失真特征的良好表示； 将得到的失真特征的良好表示通过全连接层映射得到相应的质量分数。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。