基于深度网络和视觉特性的无参考图像质量评价方法

图像质量评价是图像处理和计算机视觉领域的基础性问题,对于视觉信息的采集、处理和分析系统性能的评判具有重要的意义. 现有的无参考型图像质量评价方法都是基于自然统计规律的,或者构建单一网络模型,并未考虑视觉感知特性,使得最终的评价结果与主观感受间存在较大差异. 为此,本文提出一种结合多种网络特性和最差视觉感知特性的无参考型图像质量评价方法. 首先,提取图像的去均值对比度归一化特征,将特征图进行重叠分块; 然后,构建VGG与Inception相结合的深度网络,对图像块提取深度感知特征; 最后,将分块图像的质量分数集合进行排序,利用视觉感知最差情况加权策略对序列进行加权求和,得到最终的图像质量分数. 在国际公开的质量评价数据库CSIQ、LIVE和TID2013上的实验结果表明,本文方法取得了优于现有方法的主客观一致性性能