题名 | 基于深度学习的图像质量评估算法研究 |
作者 | 姚旺1,2 |
答辩日期 | 2019-05-17 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 刘云鹏 |
关键词 | 图像质量评价 深度学习 卷积神经网络 视觉特性 |
学位名称 | 硕士 |
其他题名 | Research on Image Quality Evaluation Algorithm Based on Deep Learning |
学位专业 | 控制工程 |
英文摘要 | 图像质量评价旨在模仿人类视觉系统来衡量图像质量,是计算机视觉和图像处理的基本任务之一,主要用于评价和指导图像压缩算法及相关图像处理算法。全参考图像质量评价是指在有参考图像和失真图像的情况下,准确度量图像质量的方法。传统的全参考图像质量评价方法一般使用手工设计数学模型来度量失真图像与未失真图像之间的相似程度进行质量评价,本文则探索了利用深度学习进行全参考图像质量评价的方法。首先,针对现有的大多数图像质量评价方法普遍为人工设计特征,难以自动的提取到符合人眼视觉系统的图像。我们提出了一种新的基于深度学习的全参考图像质量评价方法,该算法基于数据驱动的方法,设计了深度学习模型(DeepFR),利用人眼视觉特性对梯度具有敏感性的特点进行加权优化,提取了符合人眼视觉的特征图。在标准数据库上的综合评价结果表明,该方法不仅符合人眼视觉特性,而且预测结果与主观图像质量评价结果具有很好的一致性与精确度。然后,由于现有的图像质量评价数据集数据量不足,并且多使用浅层神经网络,我们在已实现的模型基础上进行改进,提出了FRQAnet模型。我们发现显著性检测在人类对图像的感知中很重要,所以利用显著性检测器在图像上提取显著性图像块来增加训练数据集,并使用梯度信息权重,进行图像质量评价。我们在标准数据库上评估表明,我们的方法与人类视觉系统一致,整体优于以前的全参考IQA方法。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 67页 |
内容类型 | 学位论文 |
源URL | [http://ir.sia.cn/handle/173321/25198] ![]() |
专题 | 沈阳自动化研究所_光电信息技术研究室 |
作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 姚旺. 基于深度学习的图像质量评估算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论