基于深度学习网络的可见光图像重构质量评价研究

• 作者: 杨国梁 苏俊宏 薛鹏翔 李媛
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 深度学习网络 可见光图像 重构质量 卷积神经网络 图像质量评价 信息熵
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图像处理
• 页码范围: 95-100
• 页数: 6页
• 分类号: TN911
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2022.01.095

摘要

可见光图像重构质量评价一直是一个难点,因此,设计了基于深度学习网络的可见光图像重构质量评价方法.通过卷积神经网络(CNN)与图像质量评价方法(IQA)相结合,构成IQA-CNN模型,引入信息熵构建改进IQA-CNN模型,向该模型内输入重构可见光图像,归一化预处理后划分成数个分块,经有监督学习法训练该模型后,获取到该模型的最优参数,给定一幅重构可见光测试图像,运用训练后的改进IQA-CNN模型,获得该图像的质量评价分数,实现重构可见光图像的质量评价,结果表明,该算法的最优卷积核数量与采样步长分别为40个和90,在此最优参数下的评价性能指标SROCC与PLCC平均值:分别为0.9775与0.9742,所得评价结果与主观观测结果相吻合,可靠性与合理性更高.