论文研究-基于信息熵和深度学习的无参考图像质量评价方法研究.pdf

【文件属性】：
文件名称：论文研究-基于信息熵和深度学习的无参考图像质量评价方法研究.pdf
文件大小：1.25MB
文件格式：PDF
更新时间：2022-08-11 17:15:59
无参考图像质量评价,深度学习,归一化,损失函数,信息熵 现有使用卷积神经网络进行图像质量评价的方法，存在训练数据量不足、局部图像块失真、分数不能确定等问题。针对这些问题，提出了一种基于信息熵的卷积网络模型IQA-CNN。在考虑信息熵对图像质量影响的基础上，将LIVE数据集中的失真图像进行分块处理，以扩大训练集；计算各分块的信息熵作为分块重要性权重，代表其对失真图像质量的影响程度，并基于该权重对卷积神经网络的损失函数进行调整。在两个数据集上的交叉验证结果表明，提出的模型能很好地预测失真图像的质量，预测结果更接近人类视觉感知。