基于底层特征和高级语义的真实失真图像质量评价

• 作者: 庞云杰 王晓红 麻祥才
• 来源期刊: 包装工程
• 学科: 工学
• 关键词: 真实失真 k-means 深度卷积神经网络(DCNN) 高级语义 图像质量评价
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图文信息技术
• 页码范围: 134-142
• 页数: 9页
• 分类号: TP391.41
• 字数: 7242字
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2020.01.021

摘要

目的 由于现有无参考质量评价方法无法准确判断真实失真图像的质量,提出一种基于图像底层特征和高级语义提取的真实失真图像质量评价方法.方法 首先根据真实失真图像的底层特征指标进行k-means聚类,在每一类图像中利用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的方法提取图像的一级高级语义特征,采用多种特征函数对一级高级语义特征进行聚合,得到图像的二级高级语义特征,并建立了高级语义特征与平均意见主观分(Mean Opinion Score,MOS)的高容量回归器.结果 提出的算法在KonIQ-10k图像库预测出的质量分数与对应MOS值能达到很高的一致性,Spearman秩序相关系数(SROCC)和Pearson线性相关系数(PLCC)分别能达到0.95和0.97.结论 提出的算法能够快速且准确地对真实失真图像质量作出评价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓红		17	43	4.0	5.0
5	麻祥才		10	1	1.0	1.0
6	庞云杰		1	0	0.0	0.0