针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信息,进而指导失真图像到质量分数的映射过程;考虑预测分数和主观分数之间的相对排名关系,对L_(1)损失函数和三元组排名损失函数进行融合,构建新的损失函数L_(mix)。为了验证本文方法的有效性,在野生图像质量挑战数据集上进行了验证和对比实验,该算法的斯皮尔曼等级相关系数与皮尔逊线性相关系数指标相比原算法分别提升2.3%和2.3%;在康斯坦茨真实图像质量数据数据集和野生图像质量挑战数据集上进行了跨数据集实验,该算法在面对真实失真图像时表现出了良好的泛化性能。
赵文清;许丽娇;陈昊阳;李梦伟;
华北电力大学控制与计算机工程学院,河北保定071003 复杂能源系统智能计算教育部工程研究中心,河北保定071003华北电力大学控制与计算机工程学院,河北保定071003
计算机与自动化
深度学习;图像质量;卷积神经网络;特征提取;通道注意力结构;多层次特征融合;扩张卷积;三元组损失函数
《智能系统学报》 2024 (001)
P.132-141 / 10
国家自然科学基金项目(61773160,61871182);河北省自然科学基金项目(F2021502013);中央高校基本科研业务费项目(2020MS153,2021PT018)。
10.11992/tis.202301007
评论