基于权重池的多尺度图像质量评估方法

摘要

图像质量评估往往以人类的主观评估为最终衡量标准,然而人工评估耗时繁琐,又无法应用在对图像或者视频序列进行实时质量评估的系统中,因此一种旨在模仿人类主观性的预测图像质量算法具有重要的价值.针对上述问题,设计了一种用于局部图像质量评估的卷积神经网络,通过将特征学习和回归都集成到一个优化过程中,从而形成一种更有效的图像质量评估模型.根据人类的视觉习惯,利用眼动仪的视点分布图生成基于视觉重要性的权重池,利用高斯比例混合模型构造基于图像信息内容的权重池,实验证明权重池的设计可以获得最佳的整体性能.对原始图像进行低通滤波和下采样,下采样过程中采用权重系数衰退策略,利用多尺度的图像进行加权质量综合评估,实验结果证明多尺度评估方式有效地改进了评估模型.提出的方法在LIVE等数据库上可以达到优秀的性能,且具有不错的泛化能力.