自适应融合局部和全局特征的图像质量评价

扫码查看

原文链接

万方数据
维普

中文摘要：无参考图像质量评价通过算法来量化图像质量的失真程度.有效建立失真位置与周围空间的依赖关系能提高质量预测的准确性,但目前基于卷积神经网络的无参考图像质量评价方法,仅通过传统的卷积对局部失真区域进行特征提取,无法有效地获取全局的失真关系,容易弱化对失真扭曲等特征表示.因此,提出了一种基于自适应融合局部和全局特征的图像质量评价算法.在待评价图像上进行特征提取时,自适应地构建围绕每个空间位置的长距离空间和通道间的依赖关系,通过全局失真关系来增强局部特征信息的表征能力;增强图像的细节信息,并在不同尺度的特征层上自适应地融合局部和全局失真信息,整合更加丰富的失真特性,进而提高特征的判别性;再将多个尺度上的不同失真信息进行融合获得最终的质量评价得分,这种融合可以避免图像浅层信息的损失.为验证模型的有效性,在真实失真和合成失真数据集上进行实验对比分析,结果表明,在真实失真数据集LIVEC上SROCC达到0.867,对图像质量的预测更符合人类对质量的感知.

外文标题：Adaptive Fusion of Local and Global Features for Image Quality Assessment

作者：

温静、白鑫

展开 >

作者单位：

山西大学计算机与信息技术学院,山西太原 030006

关键词：

无参考图像质量评价视觉特征局部和全局特征学习自适应特征融合卷积神经网络

基金：

国家自然科学基金青年基金山西省基础研究计划青年项目

项目编号：

61703252201901D211176

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.11.008

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(11)

参考文献量5