基于GAP-RBF神经网络的JPEG编码图像质量评价

Journal of Chinese Computer Systems（2013）

引用 23|浏览8

暂无评分

摘要

为评价JPEG编码图像的质量,提出一种基于生长-剪枝径向基函数神经网络的无参考图像质量客观评价方法.该神经网络是一种串行学习算法的网络.当有新数据输入时,不需对已训练过的数据重复学习,具有训练时间少以及所需存储空间小的优点.文章设计了符合人眼视觉感知特性的图像特征提取方法.将图像分成8×8的方块,并通过分块离散余弦变换把8×8方块划分为纹理区或平滑区两类.平滑区的边缘即为块效应失真所产生的边缘.将平滑区边缘的统计信息作为图像特征.利用神经网络建立图像特征与图像质量主观评分之间的映射模型,进而预测图像的客观评分.实验结果表明,客观质量评分与主观评分具有较好的一致性.

查看译文

关键词

RBF neural network,quality assessment,no reference,JPEG image

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要