基于人眼视觉特性的深度学习全参考图像质量评价方法

被引：11

作者：

姚旺 ^{[1
,2
,3
]}

刘云鹏 ^{[1
,3
]}

朱昌波 ^{[1
,2
,4
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院大学

[3] 中国科学院光电信息处理重点实验室

[4] 中国科学院沈阳自动化研究所机器人学国家重点实验室

来源：

红外与激光工程 | 2018年 / 47卷 / 07期

关键词：

图像质量评价; 全参考; 深度学习; 卷积神经网络; 人眼视觉特性;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

针对现有的图像质量评价方法普遍为人工设计特征,难以自动且有效提取到符合人类视觉系统的图像特征,受人眼视觉特性的启发,提出一种新的基于卷积神经网络的全参考图像质量评价方法(DeepFR)。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型,利用人眼视觉系统对梯度的敏感性进行加权优化,提取了符合人眼视觉特性的视觉感知图。实验表明:设计的DeepFR模型优于已有的全参考图像质量评价方法,其预测结果与主观质量评价有很好的精确性与一致性。

引用

页码：39 / 46

页数：8

共 6 条

[1] 基于双模全卷积网络的行人检测算法(特邀) [J].

罗海波 ;

何淼 ;

惠斌 ;

常铮 .

红外与激光工程, 2018, (02) :10-17

[2] 基于深度学习的目标跟踪方法研究现状与展望 [J].

罗海波 ;

许凌云 ;

惠斌 ;

常铮 .

红外与激光工程, 2017, 46 (05) :14-20

[3] Visualizing Deep Convolutional Neural Networks Using Natural Pre-images [J].

Mahendran, Aravindh ;

Vedaldi, Andrea .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2016, 120 (03) :233-255

[4]

FSIM: a feature similarity index for image quality assessment[J] . Zhang Lin,Zhang Lei,Mou Xuanqin,Zhang David.IEEE transactions on image processing : a publication of the IEEE Signal Processing Society . 2011 (8)

[5] Image information and visual quality [J].

Sheikh, HR ;

Bovik, AC .

IEEE TRANSACTIONS ON IMAGE PROCESSING, 2006, 15 (02) :430-444

[6]

Image quality assessment: from error visibility to structural similarity[J] . Wang Zhou,Bovik Alan Conrad,Sheikh Hamid Rahim,Simoncelli Eero P.IEEE transactions on image processing : a publication of the IEEE Signal Processing Society . 2004 (4)

← 1 →