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！

龙图腾网获悉南京工业大学申请的专利基于倒金字塔结构多尺度注意力机制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：CN119762433B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202411793114.6，技术领域涉及：G06T7/00；该发明授权基于倒金字塔结构多尺度注意力机制的无参考图像质量评价方法是由王婉静;季鹏设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于倒金字塔结构多尺度注意力机制的无参考图像质量评价方法在说明书摘要公布了：本发明公开了一种基于倒金字塔结构多尺度注意力机制的无参考图像质量评价方法，适用于图像处理领域，包括以下步骤：首先对失真图像数据集进行预处理；将处理完成的数据输入到特征提取网络中，利用分解大核卷积操作提取四个不同尺度的图像特征；将提取到的四个尺度特征经过自适应平均池化调整至相同的空间大小，并为每个空间位置添加可学习的位置编码。随后，利用跨尺度注意力机制CSA块逐步将高层语义信息融合至低层特征中；通过多层感知器MLP聚合这些具有语义感知的失真特征，最后使用全连接层将MLP输出的特征表示映射为一个质量分数。本方法引入大核卷积，在多尺度特征网络中使用倒金字塔结构，提取的特征更符合人类视觉感知特性，使图像质量评价更加准确。

本发明授权基于倒金字塔结构多尺度注意力机制的无参考图像质量评价方法在权利要求书中公布了：1.一种基于倒金字塔结构多尺度注意力机制的无参考图像质量评价方法，其特征在于， 所述方法包括以下步骤： 步骤1：首先对失真图像数据集进行预处理； 步骤2：将处理完成的数据输入到特征提取网络中，利用分解大核卷积操作提取四个不同尺度的图像特征，所述的步骤2中将处理完成的数据输入到特征提取网络中，利用分解大核卷积操作提取四个不同尺度的图像特征，具体如下： 步骤2.1：首先将输入图像通过卷积层分割成多个有重叠的小块，并将所述多个有重叠的小块嵌入到高维特征空间中，接着，对卷积后的张量进行批量归一化，最后，返回归一化后的特征F1以及对应的高度和宽度用于后续的处理； 步骤2.2：首先使用1x1卷积对归一化后的特征进行处理，并通过GELU激活函数得到特征F2,1x1卷积主要用于调整通道数和融合通道间的信息，而GELU激活函数提供了平滑的非线性变换； 步骤2.3：首先对特征F2进行5x5的深度卷积DW_Conv操作，提取出初步的空间信息，深度卷积仅对每个通道单独操作，不会改变通道之间的关系，从而保持了输入的通道结构；然后应用带有扩张率的7x7深度卷积DW_D_Conv通过扩展感受野来捕捉更大范围内的空间依赖关系，扩张卷积可以在不增加参数量的情况下扩大感受野，使模型能够获取更广泛的空间特征；最后，使用1x1卷积对前两步提取的空间信息进行融合，生成最终的注意力图，1x1卷积在此处用于综合不同通道的信息，将捕捉到的空间特征与通道信息相结合； 步骤2.4：将生成的注意力图与原始输入特征进行元素卷积，这一过程通过注意力机制对原始特征进行微调，使得重要的特征得到强化，经过调整后的特征通过投影得到输出特征F3； 步骤2.5：对F3进行再次批归一化处理，将归一化后的特征输入到MLP中，经过多层线性变换和非线性激活后，得到输出特征F4，MLP通过复杂的非线性变换进一步提升特征表示能力，使得网络能够捕捉到输入数据中更丰富的模式和信息； 将步骤2依次叠加L组操作提取特征，每组的操作描述如下： 其中，fGELU表示GELU激活，fBN表示批归一化，f1×1表示1×1通道卷积，fDW_Conv·和fDW_D_Conv·分别表示深度卷积和深度扩张卷积，fFFN表示卷积前馈网络，表示元素卷积； 步骤3：将步骤2中提取到的四个尺度特征经过自适应平均池化调整至相同的空间大小，并为每个空间位置添加可学习的位置编码；随后，利用跨尺度注意力机制CSA块逐步将高层语义信息融合至低层特征中； 步骤4：通过多层感知器MLP聚合具有语义感知的失真特征，最后使用全连接层将MLP输出的特征表示映射为一个质量分数。

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工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30号南京工业大学计算机与信息工程学院187分信箱；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。