版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、隨著移動設備、大容量存儲設備和互聯(lián)網(wǎng)服務的日益普及,人們可以更加方便地生成、存儲、傳輸和分享圖像、視頻等多媒體數(shù)據(jù)。圖像數(shù)據(jù)的爆炸性增長不僅給我們帶來了大量的資源,也給圖像處理算法和計算機視覺應用提出了更高的挑戰(zhàn)。圖像的獲取、編碼、存儲、傳輸和顯示過程都可能造成圖像質(zhì)量的下降,從而影響人的視覺感受或者計算機視覺算法的性能。如何評價圖像的視覺質(zhì)量是計算機視覺領域的一個基礎性研究課題。目前研究較多的是無需人工參與的客觀圖像質(zhì)量評價方法。這類
2、算法一般從空域或者DCT、Wavelet等變換域提取圖像的底層特征或者統(tǒng)計特征,不考慮圖像的語義等高層信息。
針對現(xiàn)有方法的不足,本文提出了一種同時使用圖像底層特征和高層語義信息的無參考圖像質(zhì)量評價方法。本文的主要工作和創(chuàng)新點如下:
(1)研究和實驗分析了圖像質(zhì)量和圖像高層語義信息之間的關(guān)系。我們研究了人的視覺系統(tǒng)特性,發(fā)現(xiàn)人在觀察圖像時會先關(guān)注圖像中的目標等高層語義區(qū)域,而圖像語義信息的變換也會影響人對圖像質(zhì)量的感
3、受。我們通過深度神經(jīng)網(wǎng)絡的分類和語義區(qū)域分析實驗,發(fā)現(xiàn)圖像失真會使圖像的語義不清晰,且更難以找出其語義區(qū)域。
(2)本文設計了一種結(jié)合圖像高層語義信息和底層細節(jié)信息的圖像質(zhì)量評價框架。本文采用Object Proposal檢測算法得到類別無關(guān)的目標區(qū)域。這些區(qū)域的得分反映了圖像的語義清晰度,被用作圖像的高層語義特征。同時從這些區(qū)域中隨機選擇一定量的圖像塊,將它們編碼到視覺碼本上,將pooling后的編碼值用作底層質(zhì)量特征。這兩
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于內(nèi)容的圖像質(zhì)量評價.pdf
- 基于圖像內(nèi)容的結(jié)構(gòu)相似性質(zhì)量評價研究.pdf
- 基于視覺的圖像質(zhì)量評價方法.pdf
- 基于HVS的圖像質(zhì)量評價研究.pdf
- 基于集成學習的圖像質(zhì)量評價.pdf
- 基于場景分類的圖像質(zhì)量評價.pdf
- 基于特征學習的圖像質(zhì)量評價.pdf
- 基于圖像結(jié)構(gòu)特征的圖像質(zhì)量評價方法的研究.pdf
- 基于圖像失真類型的圖像質(zhì)量評價算法的研究.pdf
- 基于人類視覺特性的圖像質(zhì)量評價.pdf
- 基于機器學習的圖像質(zhì)量評價研究.pdf
- 基于視覺特征的圖像質(zhì)量評價算法.pdf
- 基于深度學習的圖像美學質(zhì)量評價.pdf
- 基于非局部信息的圖像恢復和圖像質(zhì)量評價.pdf
- 基于PLSA的無參考圖像質(zhì)量評價.pdf
- 基于小波的圖像質(zhì)量評價方法.pdf
- 基于HVS特性的圖像質(zhì)量客觀評價.pdf
- 基于局部不變特征的圖像質(zhì)量評價.pdf
- 基于海量圖像數(shù)據(jù)的無參考圖像質(zhì)量評價研究.pdf
- 基于結(jié)構(gòu)相似度的遙感圖像質(zhì)量評價.pdf
評論
0/150
提交評論