基于分类学习的去雾后图像质量评价算法

被引：15

作者：

南栋

毕笃彦

马时平

凡遵林

何林远

机构：

[1] 空军工程大学航空航天工程学院

来源：

自动化学报 | 2016年 / 42卷 / 02期

关键词：

图像去雾; 图像质量评价; 支持向量机; 暗通道先验; 人类视觉系统;

D O I：

10.16383/j.aas.2016.c140854

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对现有去雾后图像质量评价算法少、针对性弱和有效性差等问题,本文提出一种基于分类学习的去雾后图像质量评价算法.该算法通过分析去雾后图像本身所蕴含的质量特征,提取出基于图像增强、图像复原、统计先验以及人类视觉系统(Human visual system,HVS)的度量指标;并在本文数据库基础上,利用支持向量机(Support vector machine,SVM)将质量评价问题转换为分类问题.实验结果表明,该算法与已有评价方法相比,在获得高效分类评价结果的同时,具有较好的实用性和主观一致性.

引用

页码：270 / 278

页数：9

共 12 条

[1] 基于暗通道先验和Retinex理论的快速单幅图像去雾方法
刘海波
杨杰
吴正平
张庆年
邓勇
[J]. 自动化学报, 2015, 41 (07) : 1264 - 1273
[2] 一种改进的显性多核支持向量机[J]. 张凯军,梁循.自动化学报. 2014(10)
[3] 图像去雾的最新研究进展
吴迪
朱青松
[J]. 自动化学报, 2015, 41 (02) : 221 - 239
[4] 基于参数估计的无参考型图像质量评价算法
南栋
毕笃彦
查宇飞
张泽
李权合
[J]. 电子与信息学报, 2013, 35 (09) : 2066 - 2072
[5] 图像去雾算法清晰化效果客观评价方法[J]. 郭璠,蔡自兴.自动化学报. 2012(09)
[6] 基于局部结构张量的无参考型图像质量评价方法
邵宇
孙富春
刘莹
[J]. 电子与信息学报, 2012, 34 (08) : 1779 - 1785
[7] 图像去雾的无参考客观质量评测方法
李大鹏
禹晶
肖创柏
[J]. 中国图象图形学报, 2011, (09) : 1753 - 1757
[8] A Bayesian Framework for Single Image Dehazing considering Noise[J] . Dong Nan,Du-yan Bi,Chang Liu,Shi-ping Ma,Lin-yuan He,Kun Gao.The Scientific World Journal . 2014
[9] A fast image dehazing algorithm based on negative correction[J] . Yuanyuan Gao,Hai-Miao Hu,Shuhang Wang,Bo Li.Signal Processing . 2014
[10] Deep photo[J] . Johannes Kopf,Boris Neubert,Billy Chen,Michael Cohen,Daniel Cohen-Or,Oliver Deussen,Matt Uyttendaele,Dani Lischinski.ACM Transactions on Graphics (TOG) . 2008 (5)

← 1 2 →