基于SVM和PSO的图像质量评价

摘要：

为提高白噪声、高斯模糊、JPEG2000压缩等失真类型图像的评价准确率,提出一种基于支持向量机和粒子群优化算法的图像质量评价方法.提取样本图像数据和确定评价指标,对样本数据进行预处理.利用粒子群优化算法选择最优参数,使用最优参数对训练集数据进行训练,对预测集数据进行预测分析,并建立图像质量评价模型.实验结果表明,与线性回归模型、BP神经网络模型等传统方法相比,该方法的评价准确率较高,能够准确地反映人眼对图像的视觉感知.

关键词：支持向量机、粒子群优化算法、图像质量评价、搜索算法、差异主观评价

所属期刊栏目：38

分类号：TN911.73

资助基金：江苏省高校自然科学研究基金资助项目11KJD520003;淮安市科技支撑计划基金资助项目SN1160

在线出版日期：2013-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：215-218