基于Gabor滤波的并行网络无参考图像质量评价
Applied Science and Technology(2023)
Abstract
为解决在基于深度学习的无参考图像质量评价(no-reference image quality assessment,NR-IQA)领域内图片失真可能导致的图片边缘模糊问题,提出一种基于Gabor滤波的并行网络无参考图像质量评价算法.考虑到图片失真的非均匀性,利用可提取空间局部频域特征的Gabor滤波器来获取边缘图片;将灰度图片和边缘图片共同输入并行网络,融合并行网络所提取到的图像质量特征,并通过全连接层所组成的回归网络将其映射到质量分数.该算法采用 128×128 的图片块,既能达到增加数据集的作用,又不过多损失图片的整体信息.本文在LIVE和TID2013 共 2 个图像数据集上进行了实验,并与其他性能良好的无参考图像质量评价算法进行了对比.实验结果表明,所提出的算法与人的视觉系统(human visual system,HVS)具有较高的一致性.
MoreKey words
no-reference image quality assessment,picture distortion,frequency domain feature,Gabor filtering,parallel network,regression network,deep learning,human visual system
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined