一种改进的DIQaMFR/NR图像质量评价模型

作者：谢瑞; 邵堃; 霍星; MITHUNMd Masud Parveja

来源：计算机工程, 2020, 46(08): 258-270.

DOI：10.19678/j.issn.1000-3428.0055000

• 图像质量评价
• 特征提取
• 迁移学习
• 深度学习
• ResNet50网络

图像质量评价模型通过提取并分析与人类视觉系统相一致的图像特征来达到评价图像质量的目的。随着深度学习技术的发展,很多基于深度学习的图像质量评价模型相继出现,但是多数模型在小数据量环境下容易出现过拟合问题。为此,通过对DIQaMFR/NR模型进行改进,建立一种Res-DIQaMFR/NR图像质量评价模型。采用迁移学习方法,利用预训练的ResNet50网络替代DIQaMFR/NR的特征提取层以进行图像特征提取,使用全局平均池化层取代DIQaMFR/NR中的全连接层FC-512从而对提取的特征进行回归学习。实验结果表明,该模型在降低DIQaMFR/NR模型复杂度的同时能够深化其网络结构,在小数据量环境下也能较好地模拟人类视觉系统并准确评价图像质量。

• 单位
  合肥工业大学; 数学学院