期刊专题

10.11896/jsjkx.190900052

基于CPNet的相对图像质量评估

引用
对于两幅不同质量的图像,人眼视觉系统(Human Visual System,HVS)能够比较容易地区分两幅图像间的质量差异,因此通过模拟H VS来判断两幅图像的相对质量比给出图像的绝对质量分数更加准确.文中提出了一种用于评估图像间相对质量的CPNet(Compare-net)模型,该模型是一种分数无关类型的算法,利用图像组合的形式解决数据量的限制,相比绝对质量分数标签,提出的相对质量标签以及相对质量顺序标签具有更广阔的应用场景,并且获取方式更加方便、准确.首先,通过分析卷积神经网络结构相关参数对网络性能的影响,来构建合理的网络基础结构;其次,以双通道输入网络和设计特征求差的方式得到两幅图像的质量差异特征,并结合图像对相对质量标签来完成分类学习;最后,通过在公共数据库上的实验证明了该算法的精度优于其他算法.所提算法在相同参考图像类型实验中分别取得了0.971和0.947的最优精度;在不同参考图像类型实验上也取得了很有竞争力的精度,分别为0.926和0.860.另外,设计了三通道网络并进行实验来探究将所提算法扩展到多通道的可能性.

图像质量评估、CPNet、相对质量顺序、质量差异、卷积网络

47

TP391.4(计算技术、计算机技术)

国家自然科学基金61671242

2020-11-17(万方平台首次上网日期,不代表论文的发表时间)

共9页

159-167

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

47

2020,47(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn