一种针对盲图像质量评估的多模态密集卷积网络

2023年第24卷第11期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2023年第24卷第11期 doi: 10.1631/FITEE.2200534

一种针对盲图像质量评估的多模态密集卷积网络

国立技术学院计算机科学与工程系，印度提鲁奇拉帕利，620015

收稿日期： 2022-11-02 录用日期： 2023-12-04 发布日期： 2023-12-04

HTML5 PDF 33 收藏 0

摘要

科技进步不断扩大通信行业的潜力。图像在加强交流中发挥着重要作用，已被广泛应用。因此，图像质量评估（IQA）对优化传递给终端用户的内容至关重要。在IQA中使用卷积神经网络面临两个常见难题。一是这些方法难以提供图像最佳表示，另一个问题是模型具有大量参数，容易导致过拟合。为解决这些问题，提出一种参数更少的深度学习模型——密集卷积网络（DSC-Net），用于无参考图像质量评估（NR-IQA）。此外，将多模态数据用于深度学习明显改进各种应用的性能。多模态密集卷积网络（MDSC-Net）融合了灰度共生矩阵（GLCM）方法提取的纹理特征和DSC-Net方法提取的空间特征，并对图像质量进行预测。所提框架在基准合成数据集LIVE、TID2013和KADID-10k的性能表明，MDSC-Net方法在NR-IQA任务中表现出良好性能，超过了当前最先进的方法。

关键词

无参考图像质量评估 ; 盲图像质量评估 ; 多模态密集卷积网络 ; 深度学习 ; 视觉效果 ; 感知质量