基于统一网络架构的多模态航空影像质量评价研究

摘要：

高质量无人机航空影像是目标检测、分析、识别的重要前提条件,但各类传感器成像机理不同,质量影响因素多样,往往需要根据不同模态数据的特性设计不同的网络模型,从而大大增加了质量评价算法在无人机上的应用难度.针对这一问题,提出一种基于统一网络框架的无参考多模态影像质量评价模型,通过自适应地学习图像块内部的局部特征与图像块之间的相互关系,完成空间维度上的全局信息融合和时间维度上的时序信息融合,实现对多种模态影像数据的质量评估,进而快速有效地监测筛选采集数据的质量,提高有效数据采集效率.实验结果表明,该方法在多种模态的影像数据质量评价上具备泛用性和有效性.

关键词：深度学习、无参考模型、网络结构、多模态数据、影像质量评价、卷积神经网络、特征提取、特征融合

所属期刊栏目：46

分类号：TN911.73-34;TP391.41

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：43-47