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！

龙图腾网获悉上海交通大学申请的专利基于模型排序的数据高效的盲超分辨率图像质量评价方法及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：CN120107210B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510183646.6，技术领域涉及：G06T7/00；该发明授权基于模型排序的数据高效的盲超分辨率图像质量评价方法及系统是由张维夏;陈俊霖设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本基于模型排序的数据高效的盲超分辨率图像质量评价方法及系统在说明书摘要公布了：一种基于模型排序的数据高效的盲超分辨率图像质量评价学习方法，其特征在于：从原始低分辨率图像集使用多个超分辨率方法生成超分辨率图像集，采用最大差异竞争方法选择出最大化差异的子集，对选择出的子集对应的超分辨率图像进行主观测试得到多个超分辨率方法的全局排名，将全局排名转移至未标注超分辨率图像的实例级伪标签得到一个伪标签数据集，采用成对排序学习的方式并结合伪标签数据集与现有的图像质量评价数据集以半监督学习方式训练一个盲超分辨率图像质量评价模型。可以有效缓解盲图像质量评价方法需要大量人工标注数据进行监督训练的问题及有效改进现有盲图像质量评价模型的性能，得到与主观评价一致性更好的预测结果。

本发明授权基于模型排序的数据高效的盲超分辨率图像质量评价方法及系统在权利要求书中公布了：1.一种基于模型排序的数据高效的盲超分辨率图像质量评价学习方法，其特征在于，包括： S1.获取原始低分辨率图像集，并利用多个超分辨率方法生成对应的超分辨率图像集； S2.采用最大差异竞争方法，从所述原始低分辨率图像集中选择出最大化每对超分辨率方法间差异的子集； S3.对选择出的子集对应的超分辨率图像进行主观测试，并确定所述多个超分辨率方法的全局排名； S4.将所述多个超分辨率方法的全局排名转移至未标注超分辨率图像的实例级伪标签，构建伪标签数据集； S5.结合所述伪标签数据集与现有的图像质量评价数据集，采用成对排序学习和半监督学习方式训练盲超分辨率图像质量评价模型； 所述S2具体包括，包括： S2.1获取步骤S1中原始低分辨率图像集X，其中，所述原始低分辨率图像集X包含多个低分辨率图像样本； S2.2选择至少两种不同的超分辨率方法f1和f2，其中，每种超分辨率方法能够将低分辨率图像转换为高分辨率图像； S2.3定义感知距离D1，用于估计两种超分辨率方法f1、f2，对同一低分辨率图像样本重建结果之间的感知距离； S2.4定义语义距离D2，用于估计低分辨率图像样本与已选择样本集合S之间的语义距离； S2.5设定平衡因子λ，其中0≤λ≤1，用于调节所述感知距离和语义距离在综合得分计算中的权重； S2.6初始化空集合S作为已选择样本的集合； S2.7对于每对不同的超分辨率方法f1、f2，遍历低分辨率图像集X中的每个样本x，执行以下操作： 计算样本x经不同的超分辨率方法f1、f2重建后的图像之间的感知距离D1f1x,f2x； 计算样本x与集合S中所有样本之间的语义距离D2x,S； 根据感知距离D1、语义距离D2和平衡因子λ，计算综合得分，并选择使得综合得分最大的样本作为第k个样本加入集合S，公式如下： S2.8重复步骤S2.7，直到达到预定的样本数量； S2.9输出集合S作为最大化超分辨率方法之间差异的子集。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。