基于RFB和超网络的跨尺度多层次真实失真图像质量评价方法OA北大核心CSTPCD
Multi-scale and multi-level authentic distorted image quality assessment based on RFB and hyper networks
为了能在真实失真图像质量领域实现高效的跨尺度学习,提出一种双分支特征提取方法.首先,利用对比学习方法自监督地提取跨尺度、跨颜色空间的图像内容感知特征;随后,采用基于扩张感受野和超网络的策略,将多层次特征信息与跨尺度信息进行循环交互融合,以获取更贴近人类感知的图像质量特征.基于公开真实失真数据库的实验结果表明,所提算法在真实失真图像质量评价上取得了优越性能,而且,通过两个尺度的实验结果展示了该算法实现了更高效的跨尺度学习,从而为图像多尺度深度网络的应用提供了较好基础.
An innovative dual-branch feature extraction method is proposed to achieve efficient cross-scale learning in the domain of authentic distorted image quality assessment.The method undergoes a two-phase training process.In the first phase,cross-scale and cross-color-space image content perception feature is extracted by a self-supervised contrast learning approach.In the second phase,a strategy based on dilated receptive fields and hypernetworks is employed to…查看全部>>
周怀博;贾惠珍;王同罕
东华理工大学 信息工程学院,江西 南昌 330013||东华理工大学 江西省放射性地学大数据技术工程实验室,江西 南昌 330013东华理工大学 信息工程学院,江西 南昌 330013||东华理工大学 江西省放射性地学大数据技术工程实验室,江西 南昌 330013东华理工大学 信息工程学院,江西 南昌 330013||东华理工大学 江西省放射性地学大数据技术工程实验室,江西 南昌 330013
电子信息工程
图像质量评价无参考真实失真跨尺度学习多特征融合双分支特征提取
image quality assessmentno-referenceauthentic distortioncross-scale learningmulti-feature fusiondouble branch feature extraction
《现代电子技术》 2024 (9)
47-52,6
国家自然科学基金项目(62266001)国家自然科学基金项目(62261001)
评论