基于深度学习模型的图像质量评价方法

被引：23

作者：

李琳 ^{[1
,2
]}

余胜生 ^{[1
]}

机构：

[1] 华中科技大学计算机科学与技术学院

[2] 武汉理工大学计算机科学与技术学院

来源：

华中科技大学学报(自然科学版) | 2016年 / 44卷 / 12期

关键词：

深度学习; 卷积神经网络; 特征学习; 无参考图像质量评价; 归一化;

D O I：

10.13245/j.hust.161212

中图分类号：

TP391.41 [];

学科分类号：

摘要：

为了有效提取与视觉感知质量高度相关的图像特征,改进图像质量评价方法,在深度学习的框架下,提出一个全新的卷积神经网络IQF-CNN结构,能自动学习判别性更强的图像质量特征,并利用学习的特征进行图像质量评价.同时,该算法采用局部亮度系数归一化、dropout等技术进一步提高网络学习能力.实验结果表明:该算法能较准确地评估五种常用的图像失真,尤其在JPEG压缩、JPEG2000压缩和高斯模糊图像失真上与人眼主观感知质量具有很高的一致性,整体性能比较优于其他经典评价方法.

引用

页码：70 / 75

页数：6