电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2013年
2期
484-488
,共5页
李朝锋%唐国凤%吴小俊%琚宜文
李朝鋒%唐國鳳%吳小俊%琚宜文
리조봉%당국봉%오소준%거의문
图像处理%无参考图像质量评价%相位一致%灰度-梯度共生矩阵%广义回归神经网络
圖像處理%無參攷圖像質量評價%相位一緻%灰度-梯度共生矩陣%廣義迴歸神經網絡
도상처리%무삼고도상질량평개%상위일치%회도-제도공생구진%엄의회귀신경망락
Image processing%No-reference image quality assessment%Phase congruency%Gray-level gradient co-occurrence matrix%General Regression Neural Network (GRNN)
为了有效地评价不同失真类型的图像质量,该文提出一种利用广义回归神经网络(GRNN)学习图像相位一致特征的无参考评价方法.该方法首先使用相位一致模型产生相位一致图像、相位一致协方差最大、最小图像,然后利用灰度-梯度共生矩阵模型计算该3幅图像的梯度熵、原始图像的梯度均值和梯度熵,再加上该3幅图像的均值,共8个特征输入GRNN模型训练学习,预测得到图像质量评价得分.实验结果表明新方法与主观得分有较好的一致性,同时具有可靠的推广性.
為瞭有效地評價不同失真類型的圖像質量,該文提齣一種利用廣義迴歸神經網絡(GRNN)學習圖像相位一緻特徵的無參攷評價方法.該方法首先使用相位一緻模型產生相位一緻圖像、相位一緻協方差最大、最小圖像,然後利用灰度-梯度共生矩陣模型計算該3幅圖像的梯度熵、原始圖像的梯度均值和梯度熵,再加上該3幅圖像的均值,共8箇特徵輸入GRNN模型訓練學習,預測得到圖像質量評價得分.實驗結果錶明新方法與主觀得分有較好的一緻性,同時具有可靠的推廣性.
위료유효지평개불동실진류형적도상질량,해문제출일충이용엄의회귀신경망락(GRNN)학습도상상위일치특정적무삼고평개방법.해방법수선사용상위일치모형산생상위일치도상、상위일치협방차최대、최소도상,연후이용회도-제도공생구진모형계산해3폭도상적제도적、원시도상적제도균치화제도적,재가상해3폭도상적균치,공8개특정수입GRNN모형훈련학습,예측득도도상질량평개득분.실험결과표명신방법여주관득분유교호적일치성,동시구유가고적추엄성.
