基于多尺度多分类器卷积神经网络的混合失真类型判定方法

作者：闫钧华^*; 侯平; 张寅; 吕向阳; 马越; 王高飞

来源：计算机应用, 2021, 41(11): 3178-3184.

• 混合失真类型
• 多标签分类
• 卷积神经网络
• 高频信息
• Sigmoid分类器

针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络(CNN)的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以提取图像的浅层特征图;其次,将浅层特征图输入到各子分类器结构中以进行深层次的特征提取和融合,将融合的特征通过Sigmoid分类器得到判定结果;最后,将各子分类器的判定结果进行融合得到图像的混合失真类型。实验结果表明,在自然场景混合失真数据库(NSMDID)上,所提方法对图像中存在的混合失真类型的平均判定准确率可以达到91.4%,且对大部分类型的判定准确率都在96.8%以上,可见所提方法能够对混合失真图像中的失真类型进行有效的判定。

• 单位
  航天学院; 工业和信息化部; 南京航空航天大学