基于深度學(xué)習(xí)的無(wú)參考模糊圖像質(zhì)量評(píng)價(jià)方法研究.pdf

1、在如今智能多屏?xí)r代，人們對(duì)圖像的要求越來(lái)越高，高清、高質(zhì)是現(xiàn)代視覺(jué)信息所追求的基本目標(biāo)。同時(shí)，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(guò)程等因素造成的降質(zhì)圖像會(huì)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(jué)感受。因此，在人們對(duì)視覺(jué)感受日益增長(zhǎng)的需求之下，對(duì)圖像質(zhì)量的智能感知和評(píng)價(jià)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(wú)參考圖像質(zhì)

2、量評(píng)價(jià)應(yīng)用最為廣泛。傳統(tǒng)的無(wú)參考模糊圖像質(zhì)量評(píng)價(jià)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(lái)評(píng)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(duì)現(xiàn)有算法的不足，提出了基于深度學(xué)習(xí)理論的無(wú)參考模糊圖像質(zhì)量評(píng)價(jià)，論文的主要研究?jī)?nèi)容和成果如下:
　　1.由于目前尚無(wú)專(zhuān)門(mén)針對(duì)模糊圖像質(zhì)量評(píng)測(cè)的數(shù)據(jù)庫(kù)，本文自建了具有針對(duì)性的模糊圖像庫(kù)。該圖像庫(kù)分為模擬圖像庫(kù)和真實(shí)圖像庫(kù)，前者模擬經(jīng)典圖像庫(kù)的方式

3、，自建了運(yùn)動(dòng)模糊圖像庫(kù)和散焦模糊圖像庫(kù)。在真實(shí)失真圖像庫(kù)方面，收集了大量的模糊圖像并給予嚴(yán)格的主觀評(píng)分，建立了真實(shí)模糊圖像數(shù)據(jù)庫(kù)。
　　2.針對(duì)傳統(tǒng)方法在模糊圖像質(zhì)量評(píng)價(jià)一致性不足和模型效率低下的問(wèn)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(shì)，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(wú)參考模糊圖像質(zhì)量評(píng)價(jià)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(píng)價(jià)方法在評(píng)價(jià)一致性上有明顯的優(yōu)勢(shì)

4、。實(shí)驗(yàn)中也從多個(gè)維度進(jìn)行了驗(yàn)證。
　　3.基于卷積神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)方法是直接利用圖像塊空間域的信息，沒(méi)有用到已經(jīng)被證明的圖像自然統(tǒng)計(jì)特性等有效信息?；诖耍覀冇痔岢隽藢⒆匀粓D像統(tǒng)計(jì)特性這一先驗(yàn)知識(shí)與深度學(xué)習(xí)相結(jié)合，更有針對(duì)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(jì)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(lèi)預(yù)測(cè)。同樣，也從單幅圖像層面、圖像庫(kù)層面、模擬和真實(shí)數(shù)據(jù)層面做了相關(guān)的實(shí)驗(yàn)，