公开(公告)号：CN115631181A

公开(公告)日：2023-01-20

申请号：CN202211380117.8

申请日：2022-11-05

Applicant: 福州大学

Inventor： 郭文忠 ,  王汉灵 ,  柯逍

IPC: G06T7/00 ,  G06T5/50 ,  G06T7/11 ,  G06N3/08

Abstract: 本发明提出基于深度学习进行3D图像质量评估的方法，包括以下步骤；步骤S1：对构成3D图像的左右两视图进行融合处理，使用融合后的图片生成显著性图；步骤S2：根据融合处理的图片对原左右视图进行裁剪；步骤S3：对裁剪后左右视图的补丁对组合后，输入到用于质量评估的神经网络中，获取单目特征和双目融合特征，将特征回归后得到视频质量；步骤S4：重复步骤S2和S3直到神经网络的网络权重稳定，达到3D图片质量评价的目标；本发明能够有效地对所提供的左右视图图片进行质量分数预测，能够较准确地预测图片的质量分数。

公开(公告)号：CN117474853A

公开(公告)日：2024-01-30

申请号：CN202311409752.9

申请日：2023-10-27

Applicant: 福州大学

Inventor： 郭文忠 ,  王汉灵 ,  柯逍

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明涉及一种基于CLIP模型的光场图像质量评估方法及系统，该方法包括以下步骤：步骤S1：创建CLIP模型，创建语言集合，包括光场图片质量语言集合、光场图片语义语言集合和光场图片噪声语言集合；步骤S2：确定质量预测、语义预测和噪声预测任务的联合概率；步骤S3：计算光场图片质量预测的损失、光场图片语义预测的损失和光场图片噪声预测的损失以及总体损失；步骤S4：确定最终损失函数和梯度向量；步骤S5：重复步骤S2至S4训练神经网络模型，直到神经网络模型的权重稳定，创建哈希桶；步骤S6：通过位置敏感哈希算法确定光场图片的最终质量。该方法及系统可以快速、有效地对光场图像质量进行准确的评估。

公开(公告)号：CN117689613A

公开(公告)日：2024-03-12

申请号：CN202311388113.9

申请日：2023-10-25

Applicant: 福州大学

Inventor： 郭文忠 ,  王汉灵 ,  柯逍

IPC: G06T7/00

Abstract: 本发明涉及一种基于主次分层评价的光场图像质量评估方法，包括以下步骤：步骤S1：初始化模型，将模型和感知分数拆分。步骤S2：对于光场图像的每一个子孔径图像，将该图像输入到模型得到整体质量评价和细节质量，进而获取该子孔径图像的质量分数。步骤S3：重复步骤S2，直到遍历完该光场图像中的全部子孔径图像，将这些子孔径图像的均值作为该光场图像的质量分数。步骤S4：推定该次训练中的损失函数，使用优化器优化主要评价过程的损失函数比例和次要过程的损失函数比例；步骤S5：重复步骤S2至S4直到神经网络的网络权重稳定，达到光场图像质量评价的目标。