基于深度學習的無參考模糊圖像質量評價方法研究.pdf

1、在如今智能多屏時代，人們對圖像的要求越來越高，高清、高質是現(xiàn)代視覺信息所追求的基本目標。同時，圖像作為當下傳播和分享信息最為便捷的載體，已經成為了人們溝通和交流不可或缺的一種表現(xiàn)形式。但是，成像過程等因素造成的降質圖像會嚴重影響圖像內容本身所攜帶信息的呈現(xiàn)，嚴重影響視覺感受。因此，在人們對視覺感受日益增長的需求之下，對圖像質量的智能感知和評價以獲得更高質的圖像質量是亟待解決的難題。
　　模糊是圖像降質的重要原因之一，而無參考圖像質

2、量評價應用最為廣泛。傳統(tǒng)的無參考模糊圖像質量評價方法著眼于在空間域或變換域人工直接尋求與圖像質量相關的特征，進而根據(jù)建立映射關系來評估圖像的質量。本文在深入研究深度學習基本理論的基礎上，針對現(xiàn)有算法的不足，提出了基于深度學習理論的無參考模糊圖像質量評價，論文的主要研究內容和成果如下:
　　1.由于目前尚無專門針對模糊圖像質量評測的數(shù)據(jù)庫，本文自建了具有針對性的模糊圖像庫。該圖像庫分為模擬圖像庫和真實圖像庫，前者模擬經典圖像庫的方式

3、，自建了運動模糊圖像庫和散焦模糊圖像庫。在真實失真圖像庫方面，收集了大量的模糊圖像并給予嚴格的主觀評分，建立了真實模糊圖像數(shù)據(jù)庫。
　　2.針對傳統(tǒng)方法在模糊圖像質量評價一致性不足和模型效率低下的問題，本文利用卷積神經網絡能直接從空間域自發(fā)學習特征的優(yōu)勢，改善了一貫在變換域人工提取特征的傳統(tǒng)做法，提出了基于卷積神經網絡的無參考模糊圖像質量評價方法。相比經典的傳統(tǒng)做法，基于卷積神經網絡的模糊圖像質量評價方法在評價一致性上有明顯的優(yōu)勢

4、。實驗中也從多個維度進行了驗證。
　　3.基于卷積神經網絡的評價方法是直接利用圖像塊空間域的信息，沒有用到已經被證明的圖像自然統(tǒng)計特性等有效信息?；诖?，我們又提出了將自然圖像統(tǒng)計特性這一先驗知識與深度學習相結合，更有針對性的學習與圖像質量相關的特征。首先，提取圖像塊的自然圖像統(tǒng)計特征，然后用這些特征作為輸入，用修正后的深度信念網絡加以訓練，最后再進行分類預測。同樣，也從單幅圖像層面、圖像庫層面、模擬和真實數(shù)據(jù)層面做了相關的實驗，