卷积神经网络结合深度森林的无参考图像质量评价

摘要：

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.该方法对原始图像进行局部对比度归一化处理,采用卷积神经网络提取图像质量的判别特征,最后利用深度回归森林预测图像质量.该方法无须手工设计图像特征,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.基于LIVE数据库与TID2008数据库的实验结果表明,该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JPEG2000压缩、高斯模糊和白噪声等3种失真类型上均表现出了良好的性能.

关键词：图像处理、无参考图像质量评价、卷积神经网络、回归森林、局部对比度归一化

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-129