基于增强型对抗学习的无参考图像质量评价算法

• 作者: 曹玉东 蔡希彪
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 无参考图像质量评价 生成对抗网络 深度学习 生成模型 判别模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 3166-3171
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020010012

摘要

为了提高无参考图像质量评价(NR-IQA)方法的性能,参考先进的深度生成对抗网络(GAN)研究成果,提出一种基于增强型对抗学习的无参考图像质量评价算法,即通过改进损失函数、网络模型结构来增强对抗学习强度,输出更可靠的模拟"参考图",进而可以像全参考图像质量评价(FR-IQA)方法一样模拟人的视觉比较过程.首先,利用数据集中失真的图像和未失真的原图像作为输入,从而基于增强对抗学习来训练网络模型;然后,利用该模型输出待测图像的模拟仿真图,提取仿真图的深度卷积特征;最后,将仿真图和待测失真图的卷积特征相融合,并输入到训练好的图像质量评价回归网络,输出图像的评测分数.在LIVE、TID2008和TID2013数据集上完成实验.实验结果表明,所提算法在图像质量上的总体客观评价性能优于当前的主流算法,与人的主观评价表现出的性能相一致.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹玉东		44	166	7.0	11.0
2	蔡希彪		15	29	2.0	5.0