基于深度學(xué)習(xí)的無參考模糊圖像質(zhì)量評價方法研究.pdf

1、在如今智能多屏?xí)r代，人們對圖像的要求越來越高，高清、高質(zhì)是現(xiàn)代視覺信息所追求的基本目標(biāo)。同時，圖像作為當(dāng)下傳播和分享信息最為便捷的載體，已經(jīng)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(zhì)圖像會嚴(yán)重影響圖像內(nèi)容本身所攜帶信息的呈現(xiàn)，嚴(yán)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(zhì)量的智能感知和評價以獲得更高質(zhì)的圖像質(zhì)量是亟待解決的難題。
　　模糊是圖像降質(zhì)的重要原因之一，而無參考圖像質(zhì)

2、量評價應(yīng)用最為廣泛。傳統(tǒng)的無參考模糊圖像質(zhì)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(zhì)量相關(guān)的特征，進(jìn)而根據(jù)建立映射關(guān)系來評估圖像的質(zhì)量。本文在深入研究深度學(xué)習(xí)基本理論的基礎(chǔ)上，針對現(xiàn)有算法的不足，提出了基于深度學(xué)習(xí)理論的無參考模糊圖像質(zhì)量評價，論文的主要研究內(nèi)容和成果如下:
　　1.由于目前尚無專門針對模糊圖像質(zhì)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(jīng)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(yán)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(zhì)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(jīng)網(wǎng)絡(luò)能直接從空間域自發(fā)學(xué)習(xí)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(jīng)網(wǎng)絡(luò)的無參考模糊圖像質(zhì)量評價方法。相比經(jīng)典的傳統(tǒng)做法，基于卷積神經(jīng)網(wǎng)絡(luò)的模糊圖像質(zhì)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(jìn)行了驗證。
　　3.基于卷積神經(jīng)網(wǎng)絡(luò)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(jīng)被證明的圖像自然統(tǒng)計特性等有效信息。基于此，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(xué)習(xí)相結(jié)合，更有針對性的學(xué)習(xí)與圖像質(zhì)量相關(guān)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(wǎng)絡(luò)加以訓(xùn)練，最后再進(jìn)行分類預(yù)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(guān)的實驗，