基于机器学习的图像质量评价研究

《基于机器学习的图像质量评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学硕士学位论文基于机器学习的图像质量评价研究ResearchonMachineLearningBasedIm-ageQualityAssessment学科专业：信息与通信工程研究生：王啸晨指导教师：刘昱副教授天津大学电子信息工程学院二零一五年十二月中文摘要随着科学技术的发展，人类已经进入信息化的时代，数字图像作为最普遍的信息载体与人类的生活息息相关。图像质量代表了图像的核心价值，图像质量的高低很大程度上决定了图像服务的质量。然而，由于受到设备本身及外界环境因素的影响，图像在获取、储存、压缩、传输、显

2、示等各个环节中，都会无法避免地出现失真现象，最终影响用户的服务体验。为了有效地评估图像质量，必须建立成熟、完善的图像质量评价体系。鉴于主观质量评价的不稳定、成本高、非实时性等缺点，科学家们提出了各种各样的客观质量评价算法，试图准确、实时、高效地评价图像的质量，然而，大多数算法都无法与人眼主观评分保持高度一致。本文针对图像质量评价问题，提出了两种基于机器学习的图像质量客观评价方法。在全参考评价方面，本文提出了一种基于图像失真类型的融合图像质量评价算法。该算法首先以图像DCT系数为特征，利用基于KNN的分类器

3、，预测图像的失真类型，然后使用多元线性回归融合PSNR、SSIM、JND、VIF四种经典算法，依据待测图像的失真类型，使用相应的公式来预测图像的质量，可同时发挥各经典算法的优点。TID2008及LIVE图像库中的实验表明，不论对于单一失真类型的图像，还是多种失真类型的图像，本文的融合算法都十分有效，其性能优于PSNR、SSIM、JND等经典算法。在无参考评价方面，本文结合近年来深度学习的先进成果，提出了一个基于卷积神经网络的图像质量评价算法。相比于传统的机器学习算法，本网络可通过自主学习，从原始图像中挖掘

4、内在规律，而无需人工设计图像特征，充分体现了深度学习的优越性，是图像质量评价未来的一个发展方向。关键词：图像质量评价；机器学习；失真类型；K最近邻；卷积神经网络ABSTRACTWiththedevelopmentofscienceandtechnology,theinformationerahascome.Asthemostwidelyusedinformationmedium,thedigitalimageiscloselyrelatedtoourdailylife.Thequalityofanimag

5、erepresentsitscorevaluewhichdeterminesthequalityofimageservicetoagreatextent.However,intheprocessingproceduressuchascapture,storage,compression,transmissionanddisplay,inevitablelossofpercep-tualqualitycausedbytheimagesystemitselforexternalenvironmentalfac

6、torsal-wayslowersthequalityofviewingexperience.Inordertoefficientlyassesstheimagequality,aperfectImageQualityAssessment(IQA)systemishighlyindemand.SincethesubjectiveIQAisnotonlyunstableandexpensivebutalsocannotbeperformedinrealtimesystem,researchershavesp

7、entmucheffortonobjectiveIQAwhichisabletoevaluatetheimageaccurately,efficientlyandinrealtime.GiventhefactthatmostobjectiveIQAalgorithmsarenothighlycorrelatedwithhumanMeanOpinionScore(MOS),thispaperproposedtwonewobjectiveIQAalgorithmsbasedonmachinelearning.

8、Ontheonehand,weproposedanimagedistortionbasedfullreferenceIQA.ADiscreteCosineTransform(DCT)domainfeaturebasedK-NearestNeighbor(KNN)classifierisdesignedtopredictthedistortiontypeoftheimage.Thenamultiplelinearregressi