排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
大多数现有的客观图像质量评价算法往往针对单一失真类型设计,对混合多失真图像质量评价效果欠佳,而且大都是运用传统机器学习方法,很少用到深度学习方法,为此,提出一种基于相位一致变换和卷积神经网络的无参考图像质量评价方法,用来评价混合失真图像。对输入图像进行分块和相位一致变换,使用卷积网络训练、预测图像质量得分,其中卷积网络结构包括4层卷积层、3层最大池化层和2层全连接层。在Live混合失真质量评价数据库上的实验结果表明,所提方法预测的图像质量分和主观质量评分达到了很好的一致性。 相似文献
2.
立体图像的景物生动逼真,给人一种身临其境的全新视觉享受,但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣,提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像,并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图,然后对上述三张图片进行Contourlet变换,再然后使用自定义的高频能量指标并结合边缘强度和信息熵,最后将得到的特征输入支持向量回归(Support Vector Regression,SVR)模型中学习,得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证,线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947,在Phase II库中也可高达0.944和0.934,与主观评价吻合度很高,优于最新的一些评价方法。 相似文献
1