首页 > 论文 > 激光与光电子学进展 > 56卷 > 11期(pp:111003)

卷积神经网络结合深度森林的无参考图像质量评价

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

本文提出了一种新的卷积神经网络与深度回归森林结合的无参考图像质量评价方法,该方法首先对原始图像进行局部对比度归一化处理,然后使用卷积神经网络提取图像质量的判别特征,最后使用深度回归森林预测图像质量。本文方法无需手工设计图像特征,简化了图像的预处理过程,较少的卷积层数有利于减少网络的训练时间。使用深度策略对回归森林进行集成,提高了单一森林的预测精度。在LIVE与TID2008数据库上的实验结果表明,本文方法能很好地预测图像质量,并具有良好的泛化性能与较高的准确率。尤其在JP2K、BLUR和WN三种失真类型上均表现出了良好的性能。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.111003

作者单位:

    江南大学
    江南大学
    江南大学

引用该论文

陈寅栋,李朝锋,桑庆. 卷积神经网络结合深度森林的无参考图像质量评价[J].激光与光电子学进展,2019,56(11):111003.