典型文献
基于多尺度特征逐层融合深度神经网络的无参考图像质量评价方法
文献摘要：
现有的针对真实失真的无参考图像质量评价算法提取的特征对自然场景图像质量的表征能力较差,限制了其评估准确性和泛化能力.针对该问题,文中提出了一个基于多尺度特征逐层融合的深度神经网络(MsFF-Net).首先,利用预训练的深度神经网络ResNet-50提取图像多尺度特征;然后,提出了一种特征融合模块,通过逐层递进融合相邻尺度特征,获得更准确表征图像质量的多尺度融合特征;接着,从多尺度融合特征提取低维特征,得到多粒度的图像质量感知特征;最后,利用由最高层特征自适应生成的全连接神经网络,对低维特征进行回归,得到自然场景图像的质量预测.仿真结果表明,MsFF-Net在真实失真数据库上的性能优于目前的大多数方法,而且在合成失真数据库上也取得了出色的评价性能.
文献关键词：
无参考图像质量评价;真实失真;深度神经网络;多尺度特征融合
中图分类号：
作者姓名：
杨春玲;杨雅静
作者机构：
华南理工大学 电子与信息学院, 广东 广州510640
文献出处：
引用格式：
[1]杨春玲;杨雅静-.基于多尺度特征逐层融合深度神经网络的无参考图像质量评价方法)[J].华南理工大学学报（自然科学版）,2022(04):81-89,141
A类：
MsFF
B类：
逐层,深度神经网络,无参考图像质量评价,质量评价方法,真实失真,自然场景,场景图像,表征能力,评估准确性,泛化能力,预训练,ResNet,特征融合模块,递进融合,多尺度融合,融合特征,低维特征,多粒度,质量感知,感知特征,最高层,特征自适应,全连接神经网络,质量预测,失真数据,出色,评价性,多尺度特征融合
AB值：
0.262881
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
