基于機器學習的圖像質量評價研究.pdf

1、隨著科學技術的發(fā)展，人類已經(jīng)進入信息化的時代，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。圖像質量代表了圖像的核心價值，圖像質量的高低很大程度上決定了圖像服務的質量。然而，由于受到設備本身及外界環(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體驗。為了有效地評估圖像質量，必須建立成熟、完善的圖像質量評價體系。鑒于主觀質量評價的不穩(wěn)定、成本高、非實時性等缺點，科學家們提出

2、了各種各樣的客觀質量評價算法，試圖準確、實時、高效地評價圖像的質量，然而，大多數(shù)算法都無法與人眼主觀評分保持高度一致。本文針對圖像質量評價問題，提出了兩種基于機器學習的圖像質量客觀評價方法。
　　在全參考評價方面，本文提出了一種基于圖像失真類型的融合圖像質量評價算法。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，使用相應的公式來預測圖像的質量，可同時發(fā)揮各經(jīng)典算法的優(yōu)點。TID2008及LIVE圖像庫中的實驗表明，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。
　　在無參考評價方面，本文結合近年來深度學習的先進成果，提出了一個基于卷積神經(jīng)網(wǎng)絡的圖像質量評價算法。相比于傳統(tǒng)的機器學習算法，本網(wǎng)絡可通過自主學習，從原始圖像中挖掘內在規(guī)律，而無需人工設計圖像