基于多标签学习的无参考图像质量评价方法研究

发布时间：2023-08-13 19:25

　　随着多媒体技术的发展,各种电子设备逐渐进入到人们的日常生活当中。人们作为信息的接收终端,每天从海量的信息中获取自身所需要的内容。数字图像作为海量信息传播的重要媒介之一,已经深入到生活的各个角落中。而图像在采集、存储、传输和显示的过程中可能因为硬件或软件的差异,造成不同程度的噪声引入,从而使得用户获得感知的图像质量较差,难以满足用户的目标需求。如何设计高效的图像质量评价算法以实现对图像质量有效的评估,将算法应用到实际当中,是现有图像处理领域的亟待解决的问题之一。最为可靠有效的质量评价是人类主观评价,但由于现实情况中存在诸多的影响因素,如耗时费力、评价结果不稳定等,这些因素都一定程度上阻碍了人类主观质量评价在实际中的应用。本文通过探索图像质量评价领域现存问题的可能解决办法,着重关注于客观无参考图像质量评价方法研究。针对自然图像的质量评估,设计出高效鲁棒的客观无参考图像质量评价算法模型。本文的研究内容主要包含以下两个方面:(1)针对现有图像质量评价领域相关数据量匮乏的问题,提出有效的图像数据扩增方法。传统图像质量评价依赖于包含少量图像内容的图像数据库,图像空间的高纬性和有限图像测试的不确定性...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 选题背景及意义
    1.2 图像质量评价研究现状
        1.2.1 主观图像质量评价
        1.2.2 客观图像质量评价
        1.2.3 算法性能衡量指标
    1.3 本文主要研究内容和组织结构
第2章 数据集构建
    2.1 引言
    2.2 数据构建
        2.2.1 合成失真图像数据集生成
        2.2.2 相关图像数据集标签生成
    2.3 数据分析
    2.4 本章小结
第3章 基于多标签学习的无参考图像质量评价
    3.1 引言
    3.2 基于质量分数多标签学习的无参考图像质量评价
        3.2.1 问题描述
        3.2.2 模型构建
    3.3 基于排序信息多标签学习的无参考图像质量评价
        3.3.1 问题描述
        3.3.2 模型构建
    3.4 实验分析
        3.4.1 实验数据库及评价指标
        3.4.2 性能分析
    3.5 本章小结
第4章 总结与展望
    4.1 总结
    4.2 展望
参考文献
在学研究成果
致谢



本文编号：3841797