買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉重慶理工大學申請的專利基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119273643B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411315205.9，技術領域涉及：G06T7/00；該發明授權基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法是由彭宗舉;賴慶;鄒文輝;陳芬;陳維華設計研發完成，并于2024-09-20向國家知識產權局提交的專利申請。

本基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法在說明書摘要公布了：本發明公開了一種基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法，包括：獲取待評價的虛擬視點圖像；將虛擬視點圖像輸入預訓練的基于U?Net網絡構建的視覺殘差恢復網絡模型中，分別提取多級退化特征和多級恢復特征；將虛擬視點圖像輸入預訓練的EfficientNet?B0網絡模型中，通過該模型提取多級內容特征；通過多特征權重自適應融合模塊將多尺度的退化特征圖、恢復特征圖和內容特征圖進行自適應融合生成多層融合特征圖；利用基于通道級卷積的通道注意力模塊將多層融合特征圖進行跨通道信息交互，生成融合通道級特征圖；通過全連接層將融合通道級特征圖映射為對應的預測客觀質量分數。本發明能夠提高模型在虛擬視點圖像質量評價時的泛化能力、魯棒性和準確性。

本發明授權基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法在權利要求書中公布了：1.基于殘差恢復和多特征融合的虛擬視點圖像質量評價方法，其特征在于，包括： S1：獲取待評價的虛擬視點圖像； S2：將虛擬視點圖像輸入預訓練的基于U-Net網絡構建的視覺殘差恢復網絡模型中，通過該模型的編碼端和解碼端分別提取多級退化特征和多級恢復特征，生成多尺度的退化特征圖和恢復特征圖； 步驟S2中，視覺殘差恢復網絡模型包括編碼器和解碼器； 編碼器包括一個3×3卷積層和若干個依次首尾連接且尺度不同的編碼端，一個編碼端包括一個對應尺度的并行非對稱殘差網絡；其中，并行非對稱殘差網絡用于在前向傳播過程中捕獲空間信息； 解碼器包括若干個依次首尾連接且與編碼端的尺度一一對應的解碼端和一個3×3卷積層，一個解碼端包括一個3×3反卷積層和一個對應尺度的并行非對稱殘差網絡；其中，每個編碼端的輸出跳躍連接到對應尺度的解碼端； 將所有尺度的編碼端輸出的特征圖作為多尺度的多級退化特征圖；將所有尺度的解碼端輸出的特征作為多尺度的多級恢復特征圖； 并行非對稱殘差網絡包括依次首尾連接的第一組并行卷積、第一批量歸一化層、第一PReLU層、第二組并行卷積、第二批量歸一化層和第二PReLU層；其中，將并行非對稱殘差網絡的輸入特征圖經過1×1卷積層降維，再與第二批量歸一化層的輸出相加后輸入第二PReLU層； 第一組和第二組并行卷積將輸入特征圖分別輸入至并列設置的1×3水平卷積層、3×1垂直卷積層和3×3卷積層，再將1×3水平卷積層、3×1垂直卷積層和3×3卷積層的輸出進行逐元素加法運算后生成輸出特征圖； 并行非對稱殘差網絡的計算公式表示為： 式中：R、I分別表示并行非對稱殘差網絡的輸出特征圖和輸入特征圖；P1和P2表示兩組并行卷積的輸出；C1表示1×1卷積；C3表示步長為1的3×3卷積；C1×3和C3×1分別表示1×3和3×1卷積；表示逐元素加法運算；fBN和fReLU分別表示批量歸一化操作和PReLU激活操作； S3：將虛擬視點圖像輸入預訓練的EfficientNet-B0網絡模型中，通過該模型提取多級內容特征，生成多尺度的內容特征圖； S4：通過多特征權重自適應融合模塊將多尺度的退化特征圖、恢復特征圖和內容特征圖進行自適應融合，生成多層融合特征圖； S5：利用基于通道級卷積的通道注意力模塊將多層融合特征圖進行跨通道信息交互，生成融合通道級特征圖； S6：通過全連接層將融合通道級特征圖映射為對應的預測客觀質量分數，作為虛擬視點圖像的圖像質量評價結果進行輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶理工大學，其通訊地址為：400054 重慶市巴南區李家沱紅光大道69號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。