10.3969/j.issn.1001-3695.2018.11.074
基于信息熵和深度学习的无参考图像质量评价方法研究
现有使用卷积神经网络进行图像质量评价的方法,存在训练数据量不足、局部图像块失真、分数不能确定等问题.针对这些问题,提出了一种基于信息熵的卷积网络模型IQA-CNN.在考虑信息熵对图像质量影响的基础上,将LIVE数据集中的失真图像进行分块处理,以扩大训练集;计算各分块的信息熵作为分块重要性权重,代表其对失真图像质量的影响程度,并基于该权重对卷积神经网络的损失函数进行调整.在两个数据集上的交叉验证结果表明,提出的模型能很好地预测失真图像的质量,预测结果更接近人类视觉感知.
无参考图像质量评价、深度学习、归一化、损失函数、信息熵
35
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目41671431
2018-12-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
3508-3512