| 视觉特征内推及深度融合的图像质量评价 |
| |
| 引用本文： | 丰明坤,施祥,唐伟,李晓勇. 视觉特征内推及深度融合的图像质量评价[J]. 光电子．激光, 2019, 30(12): 1339-1347 |
| |
| 作者姓名： | 丰明坤 施祥 唐伟 李晓勇 |
| |
| 作者单位： | 浙江科技学院信息与电子工程学院,浙江杭州310023;浙江科技学院信息与电子工程学院,浙江杭州310023;浙江科技学院信息与电子工程学院,浙江杭州310023;浙江科技学院信息与电子工程学院,浙江杭州310023 |
| |
| 基金项目： | 浙江省基础公益研究计划(LGF18F020010)资助项目 (浙江科技学院 信息与电子工程学院,浙江 杭州 310023) |
| |
| 摘 要： | 针对人类视觉系统(HVS)特性在图像质量评价 研究中的不足,提出一种将HVS前端 感知特性和后端内推特性联合起来的图像质量评价方法。图像首先经由HVS前端感知特性提 取视觉多通道梯度特征显著图,然后再经由HVS后端内推机制对各视觉通道梯度特征信息进 行深度分解。针对HVS多通道评价的池化问题,构建BP神经网络预测模型,对基于三层视觉 梯度特征的多通道评价分别进行了融合。最后,通过设计自适应回归算法对各层视觉梯度特 征的模型融合评价从内层到外层逐层地进行了二次深度融合。实验结果表明,所提融合模型 明显提高了各个客观算法的各项评价指标水平,其中,均方根误差(root mean squared er ror,RMSE)小于3.4153,皮尔逊线性相关系数(pearson linear corr e lation coefficien t,PLCC)大于0.9900,斯皮尔曼排序相关系数(spearman rank order correlation coeff icient,SROCC)大于0.9725,所提方法的各项评价指标相对现有方法 具 有更高的水平和更好的稳定性。
|
| 关 键 词： | 图像质量评价 神经网络 内推机制 视觉多通道 评价融合 |
| 收稿时间： | 2019-07-17 |
Image quality assessment based on internal generating and deeply pooling of visu al feature |
| |
| FENG Ming-kun,SHI Xiang,TANG Wei and LI Xiao-yong. Image quality assessment based on internal generating and deeply pooling of visu al feature[J]. Journal of Optoelectronics·laser, 2019, 30(12): 1339-1347 |
| |
| Authors: | FENG Ming-kun SHI Xiang TANG Wei LI Xiao-yong |
| |
| Affiliation: | School of Information and Electronic Engineering,Zhejiang University of Scie nce and Technology,Hangzhou 310023,China,School of Information and Electronic Engineering,Zhejiang University of Scie nce and Technology,Hangzhou 310023,China,School of Information and Electronic Engineering,Zhejiang University of Scie nce and Technology,Hangzhou 310023,China and School of Information and Electronic Engineering,Zhejiang University of Scie nce and Technology,Hangzhou 310023,China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
