一种基于深度激活池化的图像质量评估方法
电 话：0991-6663985
联系人：杨辉
地 址：新疆乌鲁木齐新市区河南东路739号自治区中小企业服务中心1号楼102室
成果介绍
(10)授权公告号 CN 108230314 B
(45)授权公告日 2022.01.28
(21)申请号 201810006031 .6
(22)申请日 2018 .01 .03
(65)同一申请的已公布的文献号
申请公布号 CN 108230314 A
(43)申请公布日 2018 .06 .29
(73)专利权人 天津师范大学
地址 300387 天津市西青区宾水西道393号
(72)发明人 张重 王红 刘爽
(74)专利代理机构 北京中政联科专利代理事务
所(普通合伙) 11489
代理人 陈超
(51)Int .Cl .
G06T 7/00(2017 .01)
G06N 3/04 (2006 .01)
(56)对比文件
CN 107273863 A ,2017 .10 .20
CN 105160678 A ,2015 .12 .16
CN 105046277 A ,2015 .11 .11
CN 104217404 A ,2014 .12 .17
CN 101282481 A ,2008 .10 .08
CN 102170581 A ,2011 .08 .31
CN 103152600 A ,2013 .06 .12
CN 105975931 A ,2016 .09 .28
CN 104766073 A ,2015 .07 .08
US 2008226147 A1 ,2008 .09 .18
焦淑红 等 .基于Contourlet统计特性的无
参考图像质量评价 .《吉林大学学报（工学版）》
.2016 ,第46卷(第2期) ,第639-645页 .
张伟 等 .一种无参考型模糊图像质量评价
方法 .《光学与光电技术》.2014 ,第12卷(第1期) ,
第63-66页 .
(续)
审查员 杨阳
(54)发明名称
一种基于深度激活池化的图像质量评估方法
(57)摘要
本发明实施例公开了一种基于深度激活池
化的图像质量评估方法，该方法包括：将训练图
像输入至卷积神经网络，得到卷积激活图；利用
第一预设卷积层中的卷积激活图，得到卷积激活
求和图，并进而得到训练图像的高对比度图像区
域；基于每个高对比度图像区域的特征向量，训
练得到原始多元高斯模型；获取测试图像每个高
对比度图像区域的特征向量对应的多元高斯模
型；将两个高斯模型进行对比，得到测试图像的
每个高对比度图像区域的图像质量得分，对其进
行加权处理得到测试图像的图像质量得分。本发
明能够将重要的特征信息和笔画结构信息结合
在特征向量中，达到有效挖掘显著特征信息和笔
画结构信息的目的，从而提高图像质量评估的准
确率。
PDF全文： 
201810006031.6.pdf
201810006031.6.pdf阅读全文
