NSSC OpenIR  > 空间技术部
基于稀疏表示的SOM多失真图像质量评价方法
其他题名Multi-distorted image quality assessment algorithm based on sparse representation and SOM
王春哲; 安军社; 姜秀杰; 李杰; 张羽丰
作者部门空间技术部
发表期刊液晶与显示
2018
卷号33期号:10页码:877-883
语种中文
关键词图像质量评价 多失真图像 稀疏表示 聚类 交叉验证
摘要针对非线性回归下客观评分与主观评分一致性差的问题,本文提出一种基于稀疏表示的SOM多失真图像质量评价方法。首先,将参考图像及失真图像应用独立变量分析进行稀疏化表示,应用稀疏表示下的参考图像与失真图像间的结构相似度描述失真图像的质量,再使用SOM聚类算法和交叉验证方法提高非线性回归下的客观评分与主观评分之间的一致性。最后,在LIVE2,TID2013及IVC数据库中的实验结果显示,所提评价模型性能优越;3种数据库的平均结果说明,该文方法的总体性能高于现有的经典算法,表明该文方法能够很好地反映图像的视觉感知效果。通过对比时间效率,该方法基本能够满足实际要求,具有较高的适用性。
其他摘要Due to the problem of poor consistency between objective score in nonlinear regression and subjective scores,a multi-distorted image quality assessment method based on sparse representation and SOM is presented in this paper.Firstly,the reference image and the multi-distorted image are represented sparsely by independent component analysis,and the structural similarity index between the reference image and the distorted image under the sparse representation is computed to describe the quality of multi-distorted image.Secondly,the consistency between objective score in nonlinear regression and subjective score is improved by the SOM and cross-validation algorithms.Finally,the experimental results in LIVE2,TID2013 and IVC databases show that the proposed evaluation model has good performance.The average result of 3 kinds of databases shows that the overall performance of the method is higher than the existing classical algorithm,which indicates that the proposed method can reflect the visual perception of the image well.Comparison with the time efficiency,the proposed algorithm can basically meet the practical demand and has high practicability.
收录类别CSCD
引用统计
文献类型期刊论文
条目标识符http://ir.nssc.ac.cn/handle/122/6669
专题空间技术部
推荐引用方式
GB/T 7714
王春哲,安军社,姜秀杰,等. 基于稀疏表示的SOM多失真图像质量评价方法[J]. 液晶与显示,2018,33(10):877-883.
APA 王春哲,安军社,姜秀杰,李杰,&张羽丰.(2018).基于稀疏表示的SOM多失真图像质量评价方法.液晶与显示,33(10),877-883.
MLA 王春哲,et al."基于稀疏表示的SOM多失真图像质量评价方法".液晶与显示 33.10(2018):877-883.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
20183310877-883.pdf(395KB)期刊论文出版稿开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[王春哲]的文章
[安军社]的文章
[姜秀杰]的文章
百度学术
百度学术中相似的文章
[王春哲]的文章
[安军社]的文章
[姜秀杰]的文章
必应学术
必应学术中相似的文章
[王春哲]的文章
[安军社]的文章
[姜秀杰]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。