【技术实现步骤摘要】
一种基于Gabor滤波的并行网络无参考图像质量评价方法
[0001]本专利技术属于图像质量评价领域,具体涉及一种基于深度学习的无参考图像质量评价方法。
技术介绍
[0002]在过去的几年里,随着计算机和互联网技术的发展速度大大加快,多媒体技术的发展也有较大的进步。然而,在多媒体系统中,数字图像在采集、处理、压缩、存储、传输等过程中存在的失真会导致图像质量的下降。因此,对一张图像的质量进行评分的算法研究已然成为当前图像处理领域的一个重要研究方向。
[0003]图像质量评价(Image Quality Assessment,IQA)可以用于许多图像处理应用中,如图像去噪、图像重建、图像合成、图像和视频编码等。根据利用参考图信息的情况,IQA分为全参考(Full
‑
Reference),半参考(Reduced
‑
Reference)和无参考(No
‑
Reference)这三种类型。其中无参考图像质量评价(NR
‑
IQA)算法是最具有广泛适用性的,原因是 ...
【技术保护点】
【技术特征摘要】
1.一种基于Gabor滤波的并行网络无参考图像质量评价的方法,其特征在于,包括以下步骤:步骤S1,将数据集图像的所有图片分割成128
×
128大小的小块图片,并将分割处理前的图片对应的质量分数应用于分割所得的小块图片;步骤S2,对小块图片进行处理;包括以下子步骤:步骤S21,利用Gabor滤波器对小块图片进行预处理,通过提取空间局部频域特征来获取边缘图片;步骤S22,将步骤S1获得的小块图片转化成灰度图片;步骤S3,将经过步骤S2处理获得的灰度图片和边缘图片输入以VGG
‑
16为主干的并行网络从而分别获取灰度图片和边缘图片的特征;步骤S4,在并行网络后面设计多层全连接层,利用全连接层组成回归网络,然后利用回归网络对图像质量特征进行融合并映射成图像质量分数,所述图像质量分数用以无参考图像质量评价;步骤S5,用海量公开的图像数据按步骤S1至步骤S4的方法训练并行网络,最终将训练获得的网络模型保存;步骤S6,将待评价图像输入步骤S5所得的网络模型中进行无参考图像质量评价,获得待评价图像的图像质量分数。2.根据权利要求1所述的基于Gabor滤波的并行网络无参考图像质量评价的方法,其特征在于,步骤S3中,所述并行网络由两个VGG
‑
16网络组成,一个VGG
‑
16网络输入图片为128
×
...
【专利技术属性】
技术研发人员:王斌,蒋圣超,卓浩泽,王飞风,李泰霖,裴云庆,田树军,吕泽承,
申请(专利权)人:广西电网有限责任公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。