文件名称：论文研究-基于卷积神经网络的视频图像失真检测及分类.pdf
文件大小：629KB
文件格式：PDF
更新时间：2022-08-11 16:08:17
卷积神经网络,特征学习,视频图像失真,分类检测
为了检测不同失真类型的视频图像，实现对失真视频图像的分类处理，提出一种基于卷积神经网络的视频图像失真检测及分类方法。将视频图像分割成较小的图像块作为输入；然后利用卷积神经网络主动学习特征，引入正负例均衡化和自适应学习速率减缓过拟合和局部最小值问题，由softmax分类器预测图像块的失真类型；最后采用多数表决规则，得到视频图像的预测类别。采用仿真标准图像库（LIVE）和实际监控视频库对该方法进行性能测试，前者的总体分类准确率达到92.22%，后者的总体分类准确率达到92.86%。整体的分类准确率高于已有的其他三种算法。引入正负例均衡化和自适应学习速率后，CNN的分类准确率得到明显提升。实验结果表明，该方法能主动学习图像质量特征，提高失真视频图像分类检测的准确率，通用于任意失真类型的视频图像分类检测，具有较强的鲁棒性和实用性。