基于底层特征和高级语义的真实失真图像质量评价

摘要：

目的 由于现有无参考质量评价方法无法准确判断真实失真图像的质量,提出一种基于图像底层特征和高级语义提取的真实失真图像质量评价方法.方法 首先根据真实失真图像的底层特征指标进行k-means聚类,在每一类图像中利用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的方法提取图像的一级高级语义特征,采用多种特征函数对一级高级语义特征进行聚合,得到图像的二级高级语义特征,并建立了高级语义特征与平均意见主观分(Mean Opinion Score,MOS)的高容量回归器.结果 提出的算法在KonIQ-10k图像库预测出的质量分数与对应MOS值能达到很高的一致性,Spearman秩序相关系数(SROCC)和Pearson线性相关系数(PLCC)分别能达到0.95和0.97.结论 提出的算法能够快速且准确地对真实失真图像质量作出评价.

关键词：真实失真、k-means、深度卷积神经网络(DCNN)、高级语义、图像质量评价

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：上海市教育发展基金会和上海市教育委员会“晨光计划”;“柔版印刷绿色制版与标准化”国家新闻出版署重点实验室资助项目

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：134-142