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！

龙图腾网获悉南京邮电大学申请的专利一种基于近邻搜索的盲图像质量评价方法、系统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：CN116310562B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310283585.1，技术领域涉及：G06V10/764；该发明授权一种基于近邻搜索的盲图像质量评价方法、系统是由熊健;王小奇;罗旺;高浩设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种基于近邻搜索的盲图像质量评价方法、系统在说明书摘要公布了：本发明公开一种基于近邻搜索的盲图像质量评价方法、系统，该方法包括：基于语义分类和失真分类的训练任务分别构建语义分类模块和失真分类模块；给定输入图像，通过语义分类模块从IQA数据库中检索与输入图像具有相似内容的原始图像；在检索的原始图像对应的一系列失真图像中，通过失真分类模块检索与输入图像具有相似失真的图像实例，并重复上述检索步骤获得多个图像实例；利用语义感知距离，将检索的图像实例的主观质量分数聚合为最终输入图像的预测质量分数，用于评价输入图像的质量。本发明对盲图像质量评价不涉及任何的回归过程，有助于解决基于回归盲图像质量评价模型对偏差训练样本产生的有偏估计问题，对评价图像的感知质量具有重要的意义。

本发明授权一种基于近邻搜索的盲图像质量评价方法、系统在权利要求书中公布了：1.一种基于近邻搜索的盲图像质量评价方法，其特征在于，包括以下步骤： S1、基于语义分类和失真分类的训练任务分别构建语义分类模块和失真分类模块；具体为： 1构建语义分类模块的具体内容：移去在ImageNet数据集上预训练的VGG16网络的最后分类层； 2构建失真分类模块的具体内容：在失真分类网络中，利用BoTNet将ResNet最后三个瓶颈块中的卷积层替换为多头自注意力模块，其他网络层未更改；具体的，给定一个包含N个样本的训练集{xn,yn|1≤n≤N}，其中xn和yn分别表示第n个输入图像和其真实失真类别的标签；通过最小化交叉熵损失函数优化模型参数θ，具体公式为： 其中，C表示失真类别的数量，表示第n个图像属于类别C的预测概率，表示使后面式子达到最小值时θ的取值，表示第n个图像属于类别C的真实概率；删除训练模型的最终分类层，生成的模型即为失真分类模块； S2、将IQA数据库随机分为训练集和测试集，其中训练集占80％，测试集占20％；训练集由P张原始图像组成，为S＝{Xp,Dp,Mp|1≤p≤P}，其中Xp是第p原始图像，是对应于Xp的失真图像，表示Dp中的第l样本，Mp表示失真图像的主观质量分数；给定输入图像，利用语义分类模块从IQA数据库中检索与输入图像具有相似内容的原始图像；具体为： S201、根据给定的输入图像xt和原始图像Xp，计算xt和Xp之间的内容相似性，即为语义感知距离公式为： 其中，vt和vp分别表示xt和Xp的语义向量，|vt|、|vp|分别表示vt、vp的模长，T表示转置； S202、与xt最相似的K张原始图像通过以下方式检索出来： 其中，表示按降序对语义感知距离进行排序并选择前K张图像的函数，其中1≤K≤P； S3、利用失真分类模块，检索原始图像对应的一系列失真图像与输入图像具有相似失真的图像实例； S4、利用语义分类模块和失真分类模块检索多个与输入图像相似的图像实例； S5、利用语义感知距离，将步骤S4中图像实例的主观质量分数进行平均池化，得到输入图像的最终预测质量分数。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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。