基于非全连接卷积神经网络的无参考图像质量评价方法

• 作者: 史再峰 李晖 曹清洁 范博宇 庞科
• 来源期刊: 南开大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像质量评价 深度学习 卷积神经网络
• 年，卷（期）: 2021,（6）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391
• 语种: 中文

摘要

针对图像传统质量评价方法难以对人脑评价图像的复杂模型进行模拟的问题,提出了一种基于双路卷积神经网络的深度学习无参考质量评价方法.该模型通过两路卷积网络的卷积层和池化层来提取图像特征,分别选用不同大小输入以保证每次对图像小范围进行评价,通过输入的卷积网络对周围环境进行参考,最终对图片进行综合评价时,使每幅图像之间都能相互关联.实验结果表明,该模型在现有无参考图像质量评价方法效果突出,SROCC值与PLCC值均在0.95以上,其质量评价结果与图像库中的人眼主观质量评价结果之间具有较好的一致性.