基于多特征融合和卷积神经网络的无参考图像质量评价

• 作者: 卢鹏 刘楷贇 邹国良 王振华 郑宗生
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 图像处理 无参考图像质量评价 卷积神经网络 纹理特征 信息熵 损失函数
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图像处理|Image Processing
• 页码范围: 66-76
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.37188/CJLCD.2021-0175

摘要

为了更好地评价图像质量,解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题,提出了一种多特征融合的CNN模型.首先,将整幅图像进行不重叠分块,并提取每个分块图像的信息熵和纹理特征.然后,将提取计算的两特征相结合,计算各分块图像的重要性权重,以此衡量分块图像对失真图像质量的影响.最后,根据计算出的重要性权重修改损失函数,突出重要性高的分块图像在训练过程中发挥的作用.在LIVE数据集进行验证和对比实验发现,该算法的SROCC与LCC指标为0.962和0.960,相比原算法至少提升0.9％;在TID2008数据集上验证和对比实验发现,该算法获得的SROCC与LCC指标为0.922和0.926,相比原算法至少提升0.6％.并且在两数据集上的结果均优于其他对比算法.实验结果证明了其在预测图像质量方面具有良好的性能和泛化性.