一种针对盲图像质量评估的多模态密集卷积网络（英文）

作者：Nandhini CHOCKALINGAM; Brindha MURUGAN^*

来源：Frontiers of Information Technology & Electronic Engineering, 2023, 24(11): 1601-1616.

• 无参考图像质量评估
• 盲图像质量评估
• 多模态密集卷积网络
• 深度学习
• 视觉效果
• 感知质量

科技进步不断扩大通信行业的潜力。图像在加强交流中发挥着重要作用，已被广泛应用。因此，图像质量评估（IQA）对优化传递给终端用户的内容至关重要。在IQA中使用卷积神经网络面临两个常见难题。一是这些方法难以提供图像最佳表示，另一个问题是模型具有大量参数，容易导致过拟合。为解决这些问题，提出一种参数更少的深度学习模型——密集卷积网络（DSC-Net），用于无参考图像质量评估（NR-IQA）。此外，将多模态数据用于深度学习明显改进各种应用的性能。多模态密集卷积网络（MDSC-Net）融合了灰度共生矩阵（GLCM）方法提取的纹理特征和DSC-Net方法提取的空间特征，并对图像质量进行预测。所提框架在基准合成数据集LIVE、TID2013和KADID-10k的性能表明，MDSC-Net方法在NR-IQA任务中表现出良好性能，超过了当前最先进的方法。