一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法

• 作者: 朱睿 李朝锋
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 无参考图像质量评价
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP391.4
• 字数: 4273字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.01.032

摘要

现有的图像质量评价模型对JPEG2000压缩图像的失真情况评价都不是很理想.针对这一问题,提出一种基于卷积神经网络的JPEG2000压缩图像质量评价方法.该模型由一层包含20个卷积核的卷积层,一层包含最大池、中值池和最小池的次采样层、一层采用1200个ReLU激活单元的全链接层和一个输出节点构成.采用最大、中值、最小三池联合的方法,可以有效提取图像的质量感知特征.在LIVE图像质量评价库JPEG2000压缩图像上的实验结果表明,该方法得到了比相关文献方法更好的主观感知一致性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李朝锋	江南大学物联网工程学院	48	430	12.0	19.0
5	朱睿	江南大学物联网工程学院	1	2	1.0	1.0