基于稀疏表达和卷积神经网络的盲图像质量评价

发布时间：2021-10-10 03:27

　　随着多媒体技术的蓬勃发展和社交网络工具的飞速普及,图像作为视觉信息的来源和信息交流的载体被人们广泛使用。图像不可避免地在捕获、存储、传输、访问等过程产生失真,其质量的好坏直接影响到人们主观感受和信息量获取,因而图像质量评价技术也在近20年成为图像处理领域的研究热点。图像质量客观评价是指通过设计有效的算法使计算机能够模仿人类视觉系统自动地预测图像质量。其中,盲图像质量评价是指在没有原始参考图像的情况下可以对任意失真类型图像质量进行预测。绝大多数实际场景无法获取参考图像,加上现实图像内容的千变万化,盲图像质量评价彰显出极高的研究意义和应用价值。本文围绕图像特征提取模型、质量预测模型、实验验证三个方面展开,从码本学习、神经网络等方向深入地研究了盲图像质量评价技术,旨在提高算法的主客观一致性。本文的研究内容大致分为以下两个部分:第一部分研究基于稀疏表达的码本学习式盲图像质量评价方法。首先,用显著性局部描述子构建字典,有效剔除冗余信息,增强字典的表达能力,在减少字典基数的同时可以保证特征表达更为精确。然后,以稀疏表达系数量化图像失真程度,并对稀疏表达系数按奇异值分解构建等能量子系数矩阵,形成系数... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图１．１盲图像质量评价技术实际应用举例??具体到实处，２０１７年科技部规划的人工智能开放创新平台中：百度公司的??

图１．４图像质量及其评价方式??通过对全参考算法和部分参考算法的研宄发现，对原始图像的依赖，使得相??关算法计算原理简单、鲁棒性强且准确性高

图２．２信号稀疏编码示意图??


本文编号：3427555