基于卷积神经网络的无参考混合失真图像质量评价

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于卷积神经网络的无参考混合失真图像质量评价
- No-reference multiply distorted images quality assessment based on convolutional neural network
- 光学技术 2018年44卷第5期页码：555-561
- 作者机构：
  
  1:江南大学物联网工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61673194,61672265);江苏省产学研前瞻性联合研究项目(BY2016022-17/001);江苏省自然科学基金项目(BK20171142)
- DOI：10.13741/j.cnki.11-1879/o4.2018.05.008
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
武利秀, 桑庆兵. 基于卷积神经网络的无参考混合失真图像质量评价[J]. 光学技术, 2018,44(5):555-561.

No-reference multiply distorted images quality assessment based on convolutional neural network[J]. 2018, 44(5): 555-561.
武利秀, 桑庆兵. 基于卷积神经网络的无参考混合失真图像质量评价[J]. 光学技术, 2018,44(5):555-561. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.008.

No-reference multiply distorted images quality assessment based on convolutional neural network[J]. 2018, 44(5): 555-561. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.008.

大多数现有的客观图像质量评价算法往往针对单一失真类型设计

对混合多失真图像质量评价效果欠佳

而且大都是运用传统机器学习方法

很少用到深度学习方法

为此

提出一种基于相位一致变换和卷积神经网络的无参考图像质量评价方法

用来评价混合失真图像。对输入图像进行分块和相位一致变换

使用卷积网络训练、预测图像质量得分

其中卷积网络结构包括4层卷积层、3层最大池化层和2层全连接层。在Live混合失真质量评价数据库上的实验结果表明

所提方法预测的图像质量分和主观质量评分达到了很好的一致性。

浏览量

306

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于多尺度并行残差网络的图像去雾算法

基于卷积神经网络的红外与可见光户外图像融合

基于局部色貌的无参考彩色模糊图像质量评价方法

面向多模态遥感影像旋转差异的智能匹配方法