航拍图像质量评价及其在图像增强中的应用

发布时间：2021-06-09 04:19

　　无人机在航拍过程中,由于受太阳光及大气环境、无人机姿态变化等因素干扰,导致采集图像出现失真,对后续信息处理造成不利影响。针对上述问题,提出了一种基于卷积神经网络的无参考航拍图像质量评价方法,并将其应用于航拍图像增强处理中。首先,设计了一种多层卷积神经网络。网络包括5层卷积层、5层池化层和3层全连接层;其次,进行卷积层和池化层多层堆叠学习图像特征信息。最后,将学习到的特征通过三层全连接层的回归与分类得到航拍图像质量分数。在自建的失真航拍图像库中进行实验表明,所提方法预测出的航拍图像质量分数与人眼视觉感知具有较高一致性,且在航拍图像增强领域应用效果较好。 

【文章来源】：计算机仿真. 2020,37(04)北大核心

【文章页数】：5 页

【部分图文】：

卷积神经网络结构图

网络设计该网络结构包含5个卷积层、5个池化层和3个全连接层。卷积层之间是非线性映射层,前5层卷积层用来提取图像特征信息;前5层池化层用来降低特征图的维数;后3层全连接层用于图像分类。网络的输入节点是预处理后的图像块,网络输出节点是预测出的每个小块的图像质量分数。具体网络结构如下图2所示。

本文选取了不同特征场景下的500幅不同程度的失真图像,每幅图像大小为1000×1000像素。为了扩充失真航拍图像数据库,使实验结果更加精准、可靠,将每幅图像裁剪成100像素的图像块。那么,原始航拍图像被裁剪为5000幅图像小块,每个小块的质量分数与原图相同,部分裁剪结果如下图3所示。4.3 实验参数设置

【参考文献】：
期刊论文
[1]多失真混杂的无人机图像质量盲评价[J]. 李从利,薛松,陆文骏.  中国图象图形学报. 2017(01)
[2]基于清晰度和亮度的航拍图像质量评价方法[J]. 隋传宾,穆海坤,段宁.  江西建材. 2015(20)
[3]基于HVS的图像质量评价方法研究[J]. 蒋未芳,杨培桢,张洪英,张杰良.  计算机仿真. 2015(05)



本文编号：3219912