基于改进加权多源TrAdaBoost算法的无参考图像质量评价方法

摘要：

基于机器学习的无参考图像质量评价方法依赖于大量训练样本,但训练数据集的构建需要耗费大量人力物力.依据迁移学习理论,面向上述问题,首先提出了一种基于改进加权多源TrAdaBoost(weighted multisource TrAdaBoost,WMTrA)算法.算法的无参考图像质量评价算法采用权重自动更新方式,挖掘辅助图像库中的有价值样本,只需少量目标图像库样本便可以建立准确的图像质量评价模型;然后,将它应用到无参考图像质量评价方法上,检测了其效果.在JPEG,JPEG2000失真图像上的评价结果表明,相比于传统机器学习算法,本文方法能够有效利用现有辅助数据集,减少对目标数据集的数量要求,是一种具有实用性的无参考图像质量评价方法.

关键词：无参考图像质量评价、迁移学习、加权多源TrAdaBoost、支持向量机回归

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61503192;江苏省产学研联合创新基金BY2015007-01;南京信息工程大学项目20171030005

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：87-93