基于转移学习的无参考图像的质量评估算法
Yang Yang1, Chang Liu1, Hui Wu1
1College of Media Engineering, Communication University of Zhejiang, Hang Zhou, China.
PeerJ. Computer science
|March 10, 2025
概括
一个新的无参考图像质量评估 (NR-IQA) 算法使用转移学习和深 convolutional 神经网络来有效地评估没有参考图像的图像质量. 这种方法在各种数据集中显示了更好的性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 基于参考的图像质量评估 (IQA) 已经很成熟.
- 无参考IQA (NR-IQA) 方法较不发达,但对于自动检测和纠正缺陷至关重要.
- 现有的NR-IQA算法与各种图像复杂性和扭曲性作斗争.
研究的目的:
- 提出一种利用转移学习 (IQA-NRTL) 的新型NR-IQA算法.
- 提高自动化图像质量评估的准确性和稳定性.
- 为了解决当前NR-IQA方法的局限性.
主要方法:
- 利用深层卷积神经网络 (CNN) 通过视觉感知模块进行多尺度的语义特征提取.
- 采用自适应融合网络来整合提取的特征.
- 使用完全连接的回归网络,以基于融合和全局语义信息的最终质量评估.
主要成果:
- 拟议的IQA-NRTL算法在主流NR-IQA方法中显示出显著的性能改进.
- 在真实扭曲,合成扭曲和人工智能生成的图像数据集之间进行有效的评估.
- 在图像内容和复杂性的变化中显示的稳定性.
结论:
- IQA-NRTL算法为NR-IQA提供了一种优越的方法.
- 转移学习与CNN相结合,有效地捕捉了质量评估所必需的图像特征.
- 该方法在图像处理和传输方面显示出对现实世界的应用有希望.
