原文服务方: 微电子学与计算机       
摘要:
研究对比度失真的图像质量评价方法.借助卷积神经网络来设计图像质量的评价算法.在提出的算法中,设计了一个多层的卷积神经网络,包括三层卷积层、三层池化层和三层全连接层,该网络可以自动地学习与图像质量相关的特征.利用现有的数据库对设计的网络进行训练,使其可以对图像的质量做出预测.通过实验测试,证明了提出的方法可以取得较高的预测性能,以及超过了主流的图像质量评价模型.
推荐文章
基于卷积神经网络的视频图像失真检测及分类
卷积神经网络
特征学习
视频图像失真
分类检测
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
基于卷积神经网络的军事图像分类
军事图像分类
深度学习
卷积神经网络
主成分分析白化
随机池化
基于卷积神经网络的图像检测识别算法综述
卷积神经网络
图像检测
图像识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的对比度失真图像质量评价
来源期刊 微电子学与计算机 学科
关键词 视觉质量评价 对比度失真 卷积神经网络 卷积层
年,卷(期) 2018,(4) 所属期刊栏目
研究方向 页码范围 84-88
页数 5页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘绍辉 哈尔滨工业大学计算机科学与技术学院 19 127 7.0 11.0
2 马英瑞 大庆师范学院计算机科学与信息技术学院 35 67 4.0 7.0
3 刘春 大庆师范学院计算机科学与信息技术学院 26 21 3.0 3.0
4 谭琨 大庆师范学院计算机科学与信息技术学院 11 16 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视觉质量评价
对比度失真
卷积神经网络
卷积层
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导