基于深度学习模型的图像质量评价方法

• 作者: 余胜生 李琳
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 70-75
• 页数: 6页
• 分类号: TN911
• 语种: 中文
• DOI: 10.13245/j.hust.161212

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琳	华中科技大学计算机科学与技术学院	41	202	9.0	13.0
3	余胜生	华中科技大学计算机科学与技术学院	229	2241	22.0	34.0