基于機(jī)器學(xué)習(xí)的圖像質(zhì)量評價(jià)研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，人類已經(jīng)進(jìn)入信息化的時(shí)代，數(shù)字圖像作為最普遍的信息載體與人類的生活息息相關(guān)。圖像質(zhì)量代表了圖像的核心價(jià)值，圖像質(zhì)量的高低很大程度上決定了圖像服務(wù)的質(zhì)量。然而，由于受到設(shè)備本身及外界環(huán)境因素的影響，圖像在獲取、儲存、壓縮、傳輸、顯示等各個(gè)環(huán)節(jié)中，都會無法避免地出現(xiàn)失真現(xiàn)象，最終影響用戶的服務(wù)體驗(yàn)。為了有效地評估圖像質(zhì)量，必須建立成熟、完善的圖像質(zhì)量評價(jià)體系。鑒于主觀質(zhì)量評價(jià)的不穩(wěn)定、成本高、非實(shí)時(shí)性等缺點(diǎn)，科學(xué)家們提出

2、了各種各樣的客觀質(zhì)量評價(jià)算法，試圖準(zhǔn)確、實(shí)時(shí)、高效地評價(jià)圖像的質(zhì)量，然而，大多數(shù)算法都無法與人眼主觀評分保持高度一致。本文針對圖像質(zhì)量評價(jià)問題，提出了兩種基于機(jī)器學(xué)習(xí)的圖像質(zhì)量客觀評價(jià)方法。
　　在全參考評價(jià)方面，本文提出了一種基于圖像失真類型的融合圖像質(zhì)量評價(jià)算法。該算法首先以圖像DCT系數(shù)為特征，利用基于KNN的分類器，預(yù)測圖像的失真類型，然后使用多元線性回歸融合PSNR、SSIM、JND、VIF四種經(jīng)典算法，依據(jù)待測圖像的失

3、真類型，使用相應(yīng)的公式來預(yù)測圖像的質(zhì)量，可同時(shí)發(fā)揮各經(jīng)典算法的優(yōu)點(diǎn)。TID2008及LIVE圖像庫中的實(shí)驗(yàn)表明，不論對于單一失真類型的圖像，還是多種失真類型的圖像，本文的融合算法都十分有效，其性能優(yōu)于PSNR、SSIM、JND等經(jīng)典算法。
　　在無參考評價(jià)方面，本文結(jié)合近年來深度學(xué)習(xí)的先進(jìn)成果，提出了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評價(jià)算法。相比于傳統(tǒng)的機(jī)器學(xué)習(xí)算法，本網(wǎng)絡(luò)可通過自主學(xué)習(xí)，從原始圖像中挖掘內(nèi)在規(guī)律，而無需人工設(shè)計(jì)圖像