面向水下图像的质量评价方法

作     者：郭继昌 李重仪 张艳 顾翔元 Guo Jichang;Li Chongyi;Zhang Yan;Gu Xiangyuan

作者机构：天津大学电子信息工程学院天津300072 天津城建大学计算机与信息工程学院天津300384 

基　　金：国家重点基础研究发展计划(973)项目(2014CB340400) 青海省自然科学基金项目(2015-ZJ-721)~~ 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2017年第22卷第1期

页      码：1-8页

摘      要：目的针对目前水下图像质量评价方法少和现有方法存在局限性等问题,提出一种无参考并且无需手工设计特征的水下图像质量评价方法。方法提出的水下图像质量评价方法将深度学习网络框架与随机森林回归模型相结合,首先采用深度神经网络提取水下图像的特征;然后使用提取的特征和标定的水下图像质量分数训练回归模型;最终,利用训练好的回归模型预测水下图像的质量。结果在本文收集的水下图像数据集和水下图像清晰化算法处理结果上评测本文方法,并与多种质量评价方法进行比较,其中包括预测结果与主观质量分数比较、水下图像清晰化结果评测比较、预测结果与主观质量分数相关性比较、鲁棒性比较等。主观实验结果表明本文的评价方法可以相对准确地给出符合人类视觉感知的水下图像质量分数,并且具有更好的鲁棒性。定量实验结果表明本文方法与其他方法相比,预测的图像质量分数与主观分数具有更高的相关性。结论提出的水下图像质量评价方法无需参考图像,省去了手工设计的特征,充分利用了深度学习网络的学习和表征能力。本文方法的准确性较好,普适性和鲁棒性较高,预测的质量分数与人类视觉感知具有较高的一致性。本方法适用于原始的水下图像和水下图像清晰化算法的处理结果。

主 题 词：水下图像 无参考图像质量评价 深度学习 人类视觉感知 水下图像清晰化 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

核心收录：

D　O　I：10.11834/jig.20170101

馆 藏 号：203213325...