基于信息熵和深度学习的无参考图像质量评价方法研究

• 作者: 卢鹏 林根巧 邹国良
• 来源期刊: 计算机应用研究
• 关键词: 无参考图像质量评价 深度学习 归一化 损失函数 信息熵
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3508-3512
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.11.074

摘要

现有使用卷积神经网络进行图像质量评价的方法,存在训练数据量不足、局部图像块失真、分数不能确定等问题.针对这些问题,提出了一种基于信息熵的卷积网络模型IQA-CNN.在考虑信息熵对图像质量影响的基础上,将LIVE数据集中的失真图像进行分块处理,以扩大训练集;计算各分块的信息熵作为分块重要性权重,代表其对失真图像质量的影响程度,并基于该权重对卷积神经网络的损失函数进行调整.在两个数据集上的交叉验证结果表明,提出的模型能很好地预测失真图像的质量,预测结果更接近人类视觉感知.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹国良	上海海洋大学信息学院	21	55	4.0	5.0
2	卢鹏	上海海洋大学信息学院	4	17	2.0	4.0
3	林根巧	上海海洋大学信息学院	1	12	1.0	1.0