基于AdaBoost BP神经网络的无参考图像质量评价的研究
DOI:
CSTR:
作者:
作者单位:

1. 西华大学汽车与交通学院工资成都 610039; 2. 中国科学院光电技术研究所 成都 610209;3. 中国科学院光束控制重点实验室 成都 610209

作者简介:

通讯作者:

中图分类号:

TP391.41TN957.52

基金项目:


Blind image quality assessment based on AdaBoost BP neural network
Author:
Affiliation:

1. School of Automotive and Transportation,Xihua University, Chengdu 610039, China;2. Institute of Optics and Electronics,Chinese Academy of Science, Chengdu 610209, China; 3. Key Laboratory of Optical Engineering,Chinese Academy of Sciences, Chengdu 610209, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出了一种利用相关梯度特征和AdaBoost 反向传播神经网络的无参考图像质量评价方法。首先利用高斯滤波器得到水平和竖直的方向导数,然后提取相关的梯度特征,其次计算其直方图方差特征,然后训练BP神经网络得到弱分类器并利用AdaBoost算法获得最终的强分类器,最后利用得到的强分类器预测图像质量分数。实验结果表明,方法评价的结果合理、鲁棒性强、实行性好,符合人类视觉特性,并且与主观评分有较好的一致性,取得了很好的评价效果。

    Abstract:

    This paper presents a nonreference image quality assessment method based on correlation gradient feature and AdaBoost back propagation (BP) neural network. In this method, firstly the Gaussian filter is used to obtain the horizontal and vertical direction derivative, then the relevant gradient feature is extracted, then calculate the histogram variance, and then the BP neural network is trained to obtain Liu Bin the weak classifier, Finally, strong classifier is obtained by AdaBoost algorithm. The image quality scores is predicted based on the strong classifier. The experiment results show that the results of this method are reasonable, stable, consistency with human visual characteristics, and subjective score has a good consistency. This method is simple and achieved good evaluation results.

    参考文献
    相似文献
    引证文献
引用本文

邵南平,向春生,唐岚,李占东.基于AdaBoost BP神经网络的无参考图像质量评价的研究[J].国外电子测量技术,2017,36(11):108-113

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-12-23
  • 出版日期:
文章二维码