基于卷积神经网络的无参考混合失真图像质量评价

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。