查询结果:   朱睿,李朝锋.一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法[J].计算机应用与软件,2017,34(1):175 - 179.
中文标题
一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法
发表栏目
图像处理与应用
摘要点击数
733
英文标题
A NO-REFERENCE JPEG2000 IMAGE QUALITY ASSESSMENT VIA IMPROVED CONVOLUTIONAL NEURAL NETWORK
作 者
朱睿 李朝锋 Zhu Rui Li Chaofeng
作者单位
江南大学物联网工程学院 江苏 无锡 214122 江南大学轻工过程先进控制教育部重点实验室 江苏 无锡 214122    
英文单位
School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,Jiangsu,China Key Laboratory of Advanced Process Control for Light Industry,Ministry of Education,Jiangnan University,Wuxi 214122,Jiangsu,China    
关键词
卷积神经网络 深度学习 无参考图像质量评价]
Keywords
Convolutional neural network (CNN) Deep learning No-reference Image quality assessment
基金项目
国家自然科学基金项目(61170120);教育部优秀人才计划项目(NCET-12-0881)
作者资料
朱睿,硕士生,主研领域:深度学习,模式识别。李朝锋,教授。 。
文章摘要
现有的图像质量评价模型对JPEG2000压缩图像的失真情况评价都不是很理想。针对这一问题,提出一种基于卷积神经网络的JPEG2000压缩图像质量评价方法。该模型由一层包含20个卷积核的卷积层,一层包含最大池、中值池和最小池的次采样层、一层采用1200个ReLU激活单元的全链接层和一个输出节点构成。采用最大、中值、最小三池联合的方法,可以有效提取图像的质量感知特征。在LIVE图像质量评价库JPEG2000压缩图像上的实验结果表明,该方法得到了比相关文献方法更好的主观感知一致性。
Abstract
The existing image quality evaluation model for JPEG2000 compression image distortion upon evaluation is not very ideal.In view of this,a JPEG2000 compressed image quality evaluation method based on improved CNN framework is put forward.The model is consisted of one convolutional layer with 20 convolution kernels,one pooling layer with the max,medium and min pooling,one fully connected layer with 1200 ReLU units and one output node.Using the max,medium and min pool structure to extract the typical features in the image effectively.Experimental results show that the proposed method is consistent with the subjective score better in the LIVE library.
下载PDF全文