本发明公开了一种独立成分分析和卷积神经网络的无参考图像质量评价方法，属于图像质量评价领域及通信与信息处理技术领域。该方法包括如下步骤：（1）提取表征图像质量的块作为图像质量块；（2）提取所选图像质量块的独立分量特征；（3）设计CNN训练独立分量系数来预测DMOS值；（4）用预测的DMOS值及图像质量块梯度的归一值来计算客观质量评价分数。本发明实现了更准确与人类主观感受一致性更高的无参考客观图像质量评价。
📄 2018116315940
📂 G06T7_00
👤 南京信息工程大学
📅 2018-12-29
本发明公开了一种基于简化独立成分分析和局部相似性的立体匹配方法，用于图像处理技术领域，该方法对DispNetC网络进行改进，首先提出了简化独立成分分析(ICA)代价聚合，引入匹配代价卷金字塔，简化ICA算法的预处理过程，同时定义简化ICA损失函数；其次，引入区域损失函数，结合单像素点损失函数，定义局部相似性损失函数，以完善视差图的空间结构；最后，简化ICA损失函数和局部相似性损失函数相结合，训练网络进行视差图预测，弥补视差图的边缘信息。本发明在保证视差图预测速度的同时，提高了视差图边缘以及细节部分的预测准确率，减少了在预测过程中对单像素点的依赖程度。
📄 2020101038270
📂 G06V10_74
👤 南京信息工程大学
📅 2020-02-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台