典型文献
自适应融合局部和全局特征的图像质量评价
文献摘要：
无参考图像质量评价通过算法来量化图像质量的失真程度.有效建立失真位置与周围空间的依赖关系能提高质量预测的准确性,但目前基于卷积神经网络的无参考图像质量评价方法,仅通过传统的卷积对局部失真区域进行特征提取,无法有效地获取全局的失真关系,容易弱化对失真扭曲等特征表示.因此,提出了一种基于自适应融合局部和全局特征的图像质量评价算法.在待评价图像上进行特征提取时,自适应地构建围绕每个空间位置的长距离空间和通道间的依赖关系,通过全局失真关系来增强局部特征信息的表征能力;增强图像的细节信息,并在不同尺度的特征层上自适应地融合局部和全局失真信息,整合更加丰富的失真特性,进而提高特征的判别性;再将多个尺度上的不同失真信息进行融合获得最终的质量评价得分,这种融合可以避免图像浅层信息的损失.为验证模型的有效性,在真实失真和合成失真数据集上进行实验对比分析,结果表明,在真实失真数据集LIVEC上SROCC达到0.867,对图像质量的预测更符合人类对质量的感知.
文献关键词：
无参考图像质量评价;视觉特征;局部和全局特征学习;自适应特征融合;卷积神经网络
中图分类号：
作者姓名：
温静;白鑫
作者机构：
山西大学 计算机与信息技术学院,山西 太原 030006
文献出处：
引用格式：
[1]温静;白鑫-.自适应融合局部和全局特征的图像质量评价)[J].计算机技术与发展,2022(11):50-57
A类：
LIVEC,局部和全局特征学习
B类：
自适应融合,无参考图像质量评价,失真程度,依赖关系,提高质量,质量预测,质量评价方法,对局,特征表示,空间位置,长距离,距离空间,局部特征,特征信息,表征能力,增强图像,细节信息,不同尺度,上自,判别性,验证模型,真实失真,失真数据,实验对比,SROCC,对质,视觉特征,自适应特征融合
AB值：
0.268198
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。
