基于分类学习的去雾后图像质量评价算法

• 作者: 何林远 凡遵林 南栋 毕笃彦 马时平
• 来源期刊: 自动化学报
• 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
• 年，卷（期）: 2016,（2）
• 页码范围: 270-278
• 页数: 9页
• 字数: 5660字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c140854

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕笃彦	空军工程大学航空航天工程学院	282	3094	27.0	43.0
2	何林远	空军工程大学航空航天工程学院	42	241	8.0	14.0
3	马时平	空军工程大学航空航天工程学院	74	784	15.0	25.0
4	南栋	空军工程大学航空航天工程学院	14	227	8.0	14.0
5	凡遵林	空军工程大学航空航天工程学院	7	39	4.0	6.0