【技术实现步骤摘要】
本专利技术涉及一种联合视觉效果和可靠性度量的超分辨率图像评价方法，属于计算机视觉与智能信息。
技术介绍
1、近年来，图像超分辨率重建是计算机视觉领域热门研究方向之一，其旨在利用相关图像处理技术对低分辨率图像进行重建，从而复原更多细节以生成高分辨率图像。随着人工智能技术的迅速发展，采用基于深度学习的图像超分辨率重建技术取得了显著的效果，其在各领域均有广泛运用，例如安全和监视、医学成像、遥感成像等领域。
2、图像超分辨率技术的研究已经取得了极大的进步，如何对重建后的超分辨率图像进行有效的质量评价成为了一项紧迫的任务。为了度量重建后图像的质量好坏，同时也为了更好地比较各种超分辨率算法的重建性能，有必要采取合适的质量评价方法对超分辨率图像进行质量评价。图像质量评价算法可根据评价主体不同，分为主观和客观质量评价。主观质量评价是以人眼的主观视觉效果对重建图像进行打分，但容易受到外界因素的干扰，有一定的局限性。因此，与主观质量评价相一致的客观质量评价方法是图像质量评价方向的研究热点。超分辨率图像质量评价不仅需要考虑超分辨率图像的视觉效果，...
【技术保护点】
1.一种联合视觉效果和可靠性度量的超分辨率图像评价方法，其特征在于包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中使用低分辨率图像作为参考，使用ViT网络和ResNet网络对超分辨率图像和其对应的低分辨率图像进行特征提取，可以表示为：
3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中对ViT特征和ResNet特征进行自适应融合，并引入了重建尺度因子，进一步将重建尺度因子的特征表示与自适应融合后的图像特征融合；ViT特征和ResNet特征首先输入到自适应融合模块中，分别进行升维操作，即接着将其在最后一个维度上连...
【技术特征摘要】
1.一种联合视觉效果和可靠性度量的超分辨率图像评价方法，其特征在于包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中使用低分辨率图像作为参考，使用vit网络和resnet网络对超分辨率图像和其对应的低分辨率图像进行特征提取，可以表示为：
3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中对vit特征和resnet特征进行自适应融合，并引入了重建尺度因子，进一步将重建尺度因子的特征表示与自适应融合后的图像特征融合；vit特征和resnet特征首先输入到自适应融合模块中，分别进行升维操作，即接着将其在最后一个维度上连接在一起，可以表示...
【专利技术属性】
技术研发人员：陈洪刚，林欣莹，何小海，卿粼波，滕奇志，王正勇，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。