典型文献
基于深度学习网络的可见光图像重构质量评价研究
文献摘要：
可见光图像重构质量评价一直是一个难点,因此,设计了基于深度学习网络的可见光图像重构质量评价方法.通过卷积神经网络(CNN)与图像质量评价方法(IQA)相结合,构成IQA-CNN模型,引入信息熵构建改进IQA-CNN模型,向该模型内输入重构可见光图像,归一化预处理后划分成数个分块,经有监督学习法训练该模型后,获取到该模型的最优参数,给定一幅重构可见光测试图像,运用训练后的改进IQA-CNN模型,获得该图像的质量评价分数,实现重构可见光图像的质量评价,结果表明,该算法的最优卷积核数量与采样步长分别为40个和90,在此最优参数下的评价性能指标SROCC与PLCC平均值:分别为0.9775与0.9742,所得评价结果与主观观测结果相吻合,可靠性与合理性更高.
文献关键词：
深度学习网络;可见光图像;重构质量;卷积神经网络;图像质量评价;信息熵
中图分类号：
作者姓名：
杨国梁;苏俊宏;薛鹏翔;李媛
作者机构：
西安工业大学光电工程学院,西安 710021
文献出处：
引用格式：
[1]杨国梁;苏俊宏;薛鹏翔;李媛-.基于深度学习网络的可见光图像重构质量评价研究)[J].激光杂志,2022(01):95-100
A类：
B类：
深度学习网络,可见光图像,图像重构,重构质量,质量评价研究,质量评价方法,图像质量评价,IQA,信息熵,数个,分块,有监督学习,取到,最优参数,一幅,得该,卷积核,核数,步长,评价性,SROCC,PLCC,相吻合
AB值：
0.242641
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。
