10.3969/j.issn.1000-386x.2017.01.032
一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法
现有的图像质量评价模型对JPEG2000压缩图像的失真情况评价都不是很理想.针对这一问题,提出一种基于卷积神经网络的JPEG2000压缩图像质量评价方法.该模型由一层包含20个卷积核的卷积层,一层包含最大池、中值池和最小池的次采样层、一层采用1200个ReLU激活单元的全链接层和一个输出节点构成.采用最大、中值、最小三池联合的方法,可以有效提取图像的质量感知特征.在LIVE图像质量评价库JPEG2000压缩图像上的实验结果表明,该方法得到了比相关文献方法更好的主观感知一致性.
卷积神经网络、深度学习、无参考图像质量评价
34
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61170120;教育部优秀人才计划项目NCET-12-0881
2017-05-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
175-179