| 基于BP神经网络的图像质量评价参数优化 |
| |
| 引用本文： | 范媛媛,桑英军,沈湘衡.基于BP神经网络的图像质量评价参数优化[J].应用光学,2011,32(6):1150-1155. |
| |
| 作者姓名： | 范媛媛 桑英军 沈湘衡 |
| |
| 作者单位： | 1.淮阴工学院, 江苏 淮安 223003；2.中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033；
3.中国科学院 研究生院，北京 100039 |
| |
| 基金项目： | 中国科学院创新基金资助项目 |
| |
| 摘 要： | 在基于噪声图像的无参考峰值信噪比质量评价方法中，为了得到最优的阈值参数,提出以图像块均方误差阈值threshold1、噪声检测阈值threshold2为输入因子, 以Pearson相关系数和Spearman等级相关系数为输出因子, 以实验值为样本建立［2 7 2］单隐层BP神经网络模型，应用BP神经网络的泛化能力实现对相关阈值参数的预测优化，为阈值参数的选择提供理论依据。实验结果表明，所建立的数学模型可靠，预测结果与试验值的偏差小，训练好的BP神经网络能够比较准确地预测不同阈值参数下的相关系数。优化后，选取threshold1=101，threshold2=4，Pearson相关系数达到了-0.895 0，Spearman等级相关系数达到了-0.913 6，评价效果得到提高，且节省大量时间。
|
| 关 键 词： | 图像质量评价 参数优化 BP神经网络 预测 泛化 |
Optimization of image quality assessment parameters based on back-propagation neural network |
| |
| FAN Yuan-yuan,SANG Ying-jun,SHEN Xiang-heng.Optimization of image quality assessment parameters based on back-propagation neural network[J].Journal of Applied Optics,2011,32(6):1150-1155. |
| |
| Authors: | FAN Yuan-yuan SANG Ying-jun SHEN Xiang-heng |
| |
| Institution: | 1. Huaiyin Institute of Technology, Huaian 223003, China;
2.Changchun Institute of Optics, Fine Mechanics and Physics, CAS, Changchun 130033 China;
3. Graduate University of Chinese Academy of Sciences, Beijing 100039, China |
| |
| Abstract: | In no reference peak signal to noise ratio(PSNR) image quality assessment based on noisy images,in order to get optimal threshold parameters,it is proposed that taking experiment values as a sample,a back-propagation(BP) neural network model is established with the mean square error(MSE) threshold1 of image block and the noise detection threshold2 as the input factors,and the Person and Spearman correlation coefficients as the output factors.The model realizes the prediction of relevant parameters by its ge... |
| |
| Keywords: | image quality assessment parameters optimization back-propagation neural network forecast generalization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《应用光学》浏览原始摘要信息 |
| 点击此处可从《应用光学》下载免费的PDF全文 |
|
